Niklas Takala Ostajan paikkakunnan vaikutus kerrostaloasunnon kauppahintaan Diplomityö, joka on jätetty opinnäytteenä tarkastettavaksi diplomi-insinöörin tutkintoa varten. Espoossa 30.05.2016 Valvoja: Professori Heidi Falkenbach Ohjaaja: KTM Marina Salenius
Aalto-yliopisto, PL 11000, 00076 AALTO www.aalto.fi Diplomityön tiivistelmä Tekijä Niklas Takala Työn nimi Ostajan paikkakunnan vaikutus kerrostaloasunnon kauppahintaan Koulutusohjelma Kiinteistötalous Pää-/sivuaine Kiinteistöjohtaminen Koodi M3003 Työn valvoja Professori Heidi Falkenbach Työn ohjaaja(t) KTM Marina Salenius Päivämäärä 30.05.2016 Sivumäärä 72 Kieli Suomi Tiivistelmä Kansainvälisessä tutkimuksessa on havaittu, että ostajan paikkakunta vaikuttaa asunnosta maksettavaan kauppahintaan. Ensimmäisen teoria vaikutuksen syystä perustuu ostajan ja asunnon väliseen etäisyyteen. Pidempään etäisyyteen liittyvät, suuremmat kaupankäynninkustannukset voivat aiheuttaa korkeamman kauppahinnan. Toisen teorian perusteella ostaja ankkuroituu asuinpaikkakuntansa asuntojen hintatasoon. Tämä vääristää ostajan arviota asunnon markkina-arvosta. Vääristynyt käsitys kohteen arvosta voi johtaa korkeampaan kauppahintaan. Ostajan paikkakunnan vaikutusta asunnon kauppahintaa ei ole aiemmin tutkittu Suomessa. Tässä työssä ostajan paikkakunnan vaikutusta tutkitaan regressioanalyysin avulla. Käytettävä aineisto on peräisin Kiinteistömaailma Oy:n järjestelmästä. Aineisto on rajattu Suomen kahdeksan suurimman kaupungin kerrostaloasuntoihin. Aineisto käsittää 39 952 kauppaa, jotka on tehty vuosina 2005-2015. Aineisto sisältää kattavat tiedot myytyjen asuntojen ominaisuuksista ja tiedon ostajan postinumeroalueesta. Ostajan paikkakunnan asuntomarkkinoiden hintatasoa tarkastellaan postinumeroalueen keskimääräisten neliöhintojen avulla. Tieto on peräisin Tilastokeskuksen julkaisemasta tilastosta. Tutkimuksessa havaittiin, että alhaisimman kauppahinnan maksaa kehyskunnassa asuva ostaja. Hintapreemio havaittiin ostajilla, jotka asuvat samalla alueella kuin ostettava kohde. Suurimman kauppahinnan maksaa kuitenkin ostaja, joka asuu pidemmän etäisyyden päässä. Ostajan paikkakunnan asuntomarkkinoiden hintatasolla havaittiin olevan vaikutus kauppahintaan. Avainsanat regressioanalyysi, kauppahinta, paikkakunta, etäisyys ja hintataso
Aalto University, P.O. BOX 11000, 00076 AALTO www.aalto.fi Abstract of master's thesis Author Niklas Takala Title of thesis Effect of buyer s locality to selling price of an apartment Degree programme Degree programme in Real Estate Economics Major/minor Real Estate Management Code M3003 Thesis supervisor Professor Heidi Falkenbach Thesis advisor(s) M.Sc. Marina Salenius Date 30.05.2016 Number of pages 72 Language Finnish Abstract International research has revealed that buyer s locality has an effect to the selling price of an apartment. There are two theories to explain this effect. According to the first one distance between buyer and the apartment leads to higher selling price. Reason for this is the increased transaction costs. Second explanation is that the buyer is anchored to the price level of apartments in his locality. Anchoring to this price level can disturb buyer s ability to reliable evaluate the market value of the apartment. Inaccurate evaluation can lead to higher selling prices. There is no previous research made in Finland which studies how buyer s locality affects the selling price of an apartment. In this paper the effect of buyer s locality is studied by using a regression analysis. Origin of our data is Kiinteistömaailma Oy which is a Finnish real estate brokerage firm. This data includes 39 952 apartment sales from eight major Finish cities during the time period of 2005-2015. Our data has comprehensive information about the attributes of the apartments. We also know the buyer s postal code area. Price level of the buyer s locality is studied using reported mean price from the buyer s postal code area. Result of the study is that the lowest price is paid by a buyer who lives just outside of the city. We also found that the buyer who lives near the apartment pays a small price premium. However distant buyer pays the largest purchase price. High price level of apartments is found to increase the selling price of an apartment in the buyer s locality. Keywords regression analysis, selling price, locality, distance, price level
Alkusanat Tämän diplomityön kirjoittaminen on ollut opettavainen kokemus ja tahdon kiittää kaikkia niitä henkilöitä, jotka ovat tarjonneet tukea ja myötävaikuttaneet työn valmistumiseen. Ensimmäiseksi tahtoisin kiittää Kiinteistömaailma Oy:tä, joka on mahdollistanut tämän tutkimuksen toteuttamisen ja tarjonnut työssä käytetyn aineiston. Kiitos kuuluu erityisesti työn ohjaajalle ja esimiehelleni Marina Saleniukselle. Hän antoi minulle mahdollisuuden toteuttaa tämä prosessi työni ohessa ja on lisäksi tukenut työskentelyäni koko tämän ajan. Haluaisin kiittää myös työn valvojaa professori Heidi Falkenbachia, joka ehdotti minulle tämän työn aihetta. Hänen tarjoama tuki sekä kommentit ovat olleet minulle erittäin tärkeitä. Myös Elias Oikarinen Turun yliopistosta on auttanut minua tutkimukseen liittyvien kysymysten kanssa. Haluan myös kiittää ystäviäni ja perhettä, koska olette aina tukeneet ja auttaneet minua. Erityisesti Jaakko, Lauri ja Mika ovat ansainneet kiitoksen. Keskustelujemme avulla olen voinut purkaa työhön liittyviä ongelmia ja saanut samalla arvokasta vertaispalautetta. Veljeni Elias taas on omalla olemuksellaan edesauttanut työn valmistumista, koska hänen seurassa olen voinut aina rentoutua ja hetkellisesti irrottaa ajatukset kirjoitustyöstä. Helsinki 30.05.2016 Niklas Takala
Sisällysluettelo 1 Johdanto... 5 1.1 Tausta ja työn tarkoitus... 5 1.2 Tutkimuskysymykset ja tieteellinen lisäarvo... 2 1.3 Työn rakenne... 3 1.4 Rajaus... 3 2 Asuntomarkkinat... 5 2.1 Asuntomarkkinoiden ominaisuudet... 5 2.2 Asuntomarkkinoiden yleinen kehitys... 7 2.3 Suomen sisäinen muuttoliike... 10 3 Teoria... 13 3.1 Asunnon markkina-arvo... 13 3.2 Asunnon arvonmääritys... 15 3.3 Päätöksenteon harhat... 16 3.4 Ankkuroituminen... 16 3.5 Asunnon etsintäprosessi... 20 3.6 Ostajan ominaisuuksien vaikutus kauppahintaan... 21 3.7 Asunnon etsintämalli... 24 4 Metodologia... 30 4.1 Asunnon hintatekijät... 30 4.2 Hedoninen hintamalli... 32 4.3 Aineiston testaaminen... 33 4.4 Tilastollinen testaus... 34 5 Aineisto... 38 5.1 Tutkimuksen aineisto ja käytetyt tietolähteet... 38 5.2 Aineiston esittely... 41
5.3 Hintatekijät... 47 5.3.1 Ostajan tiedot... 47 5.3.2 Kohteen tiedot... 49 5.4 Tilastollinen malli... 53 6 Tulokset... 54 6.1 Vertailukohteena käytettävä malli... 54 6.2 Tulosten tulkinta... 56 6.3 Vertailumallin toimivuus... 58 6.4 Paikkakunnan vaikutus asunnon kauppahintaan... 60 6.5 Etäisyyden vaikutus asunnon kauppahintaan... 62 6.6 Ostajan paikkakunnan asuntojen hintatason vaikutus kauppahintaan... 64 6.7 Hintatason muutoksen vaikutus asunnon kauppahintaan... 66 7 Yhteenveto... 69 7.1 Tutkimustulokset... 69 7.2 Jatkotutkimusmahdollisuudet... 72 Lähteet... 73 Liitteet... 77
Kuvaluettelo Kuva 1 Vanhojen asuinhuoneistojen hintakehitys 2010-2016, indeksi 1970 = 100... 7 Kuva 2 Asuntojen hintakehitys 1970-2016... 8 Kuva 3 Neliövuokrien kehitys Suomessa vuosina 1975 2015... 9 Kuva 4 Omistusasumisen kustannus suhteessa vuokraan... 10 Kuva 5 Suomen sisäinen muuttovirta suurimmissa kaupungeissa... 11 Kuva 6 Suomen sisäinen muuttovoitto suurimmassa kaupungeissa... 12 Kuva 7 Ostajien ja myyjien kauppahintojen tiheysfunktiot... 14 Kuva 8 Lähtöhinnan vaikutus asunnon arviointiin.... 19 Kuva 9 Lähtöhinnan vaikutus asunnon ostoneuvotteluihin... 20 Kuva 10 Myyjien myyntihintojen todennäköisyysjakauma... 25 Kuva 11 Ostajan hintakäsityksen b vaikutus kuviteltuun todennäköisyysjakaumaan.... 26 Kuva 12 Kaksikymmentä yleisintä muuttujaa hedonisessa regressioanalyysissä... 31 Kuva 13 Velattoman kauppahinnan jakautuminen rakennusvuoden mukaan... 36 Kuva 14 Aineistossa olevien asuntokauppojen jakautuminen ajan suhteen... 42 Kuva 15 Aineistossa olevien asuntokauppojen jakautuminen pinta-alan suhteen... 43 Kuva 16 Aineistossa olevien asuntokauppojen jakautuminen rakennusvuoden suhteen... 44 Kuva 17 Aineistossa olevien asuntokauppojen jakautuminen etäisyyden suhteen... 45 Kuva 18 Aineistossa olevien asuntokauppojen jakautuminen hintatason erotuksen suhteen... 46 Kuva 19 Vertailukohtana toimivan mallin residuaalit pinta-alan mukaan jaoteltuna... 59 Taulukkoluettelo Taulukko 1 Tutkimuksen rakenne... 3 Taulukko 2 Asuinhuoneistojen keskimääräiset neliöhinnat... 39 Taulukko 3 Asuntojen ominaisuudet jaoteltuna paikkakunnan mukaan... 41 Taulukko 4 Asuntojen ominaisuuksien jakautuminen ostajan paikkakunnan perusteella... 47 Taulukko 5 Vertailukohtana toimiva regressioanalyysi... 55 Taulukko 6 Regressiokertoimen vaikutus kohteen arvoon... 58 Taulukko 7 Ostajan paikkakunnan vaikutus asunnon kauppahintaan... 60 Taulukko 8 Etäisyyden vaikutus asunnon kauppahintaan... 62 Taulukko 9 Ostajan paikkakunnan asuntojen hintatason vaikutus kauppahintaan... 65 Taulukko 10 Hintatason muutoksen vaikutus asunnon kauppahintaan... 67 Taulukko 11 Tutkimuksen kootut tulokset... 70
1 JOHDANTO Tässä luvussa esitellään tämän tutkimuksen tausta ja työn tarkoitus. Luvussa esitellään myös valitut tutkimuskysymykset ja työn tieteellinen lisäarvo. Lisäksi esitellään työn rakenne ja tutkimukseen aiheeseen tehdyt rajaukset. 1.1 TAUSTA JA TYÖN TARKOITUS Suomessa on käynnissä kaupungistumisen trendi, joka aiheuttaa muuttoliikkeen suuriin kaupunkeihin ja kasvukeskuksiin. Tämän taustalla on työpaikkojen siirtyminen kaupunkeihin ja nuorten ihmisten muuttaminen pienemmiltä paikkakunnilta pois. Muuttoliikettä hidastaa kuitenkin omistusasumisen suuri osuus pienemmillä paikkakunnilla. Käytännössä tämä tarkoittaa sitä, että suurelle osalla suomalaisista omistusasunto on este muuttamiselle. Voidakseen muuttaa työn tai muun syyn takia toiselle paikkakunnalle, asunto täytyy ensiksi saada myytyä. Pienillä paikkakunnilla asuntojen kysyntä on pienempää, mikä johtaa keskimäärin alhaisempiin kauppahintoihin ja pidempiin myyntiaikoihin. Kaupungistumisen ylläpitämän muuttoliikkeen takia markkinoilla on paljon ostajia, jotka tulevat erilaisista olosuhteista. Ostajien paikallistietämys, tietotaso ja asunnon etsinnästä aiheutuvat kustannukset eroavat toisistaan. Kauempaa tuleva ostaja on selkeästi erilaisessa asemassa kuin samalta paikkakunnalta asunnon ostava henkilö. Paikallistietämyksen puutteen vuoksi kohteiden vertaileminen on hankalampaa ja arvio kohteen sijainnin tai alueen sopivuudesta on vaikeampaa tehdä. Tämä voi johtaa ylihintaan, jos kohteen sijainnin vaikutusta kohteen arvoon ei pysty luotettavasti arvioimaan. Toisaalta kaupungin sisäinen ostaja saattaa olla kiintynyt tiettyyn asuinalueeseen. Tämä voi johtaa korkeampaan kauppahintaan, jos päätös on osittain tunneperäinen. Kaupankäynnin kustannukset ovat myös eri tyyppisillä ostajilla lähtökohtaisesti erilaiset. Kustannukset ovat yleensä korkeammat, jos asuu toisella paikkakunnalla. Kuljettavat matkat ovat pidempiä ja ne vievät enemmän aikaa. Asuntoihin tutustumiseen käytettävä aika on pois jostain muusta ja etäisyyden ollessa riittävän suuri voi yöpyminen kohdekaupungissa olla tarpeen. Mahdollisuus tutustua kohteisiin on heikompi ja kauempaa tuleva ostaja tutustuu oletettavasti keskimääräistä pienempään määrään asuntoja. Suppeampi käsitys alueen tarjonnasta ja markkinatilanteesta voi johtaa korkeampiin kauppahintoihin. Toisaalta korkeammat etsintäkustannukset voivat johtaa siihen, että ostaja on tietoisesti valmis maksamaan kohteesta sen markkina-arvoa korkeamman hinnan.
Ostajan paikkakunnan asuntomarkkinoiden hintataso voi myös vaikuttaa ostajan käsitykseen kohteen markkina-arvosta. Tätä ilmiötä kutsutaan ankkuroitumiseksi ja se voi vääristää ostajan käsitystä kohteen hinnasta. Halvemmalle markkina-alueelle muuttavalle asunnot voivat vaikuttaa edullisilta, koska vastaava kohde olisi maksanut ostajan nykyisellä paikkakunnalla huomattavasti enemmän. Tämä voi johtaa korkeampiin kauppahintoihin, jos ostaja ei osaa tämän johdosta arvioida kohteen markkina-arvoa oikein. Vaikutus on päinvastainen, jos ostaja etsii asuntoa kalliimmalta markkina-alueelta. Tämän tutkimuksen tarkoituksena on tutkia ostajan paikkakunnan vaikutusta asunnon ostohintaan. Erityinen huomio kohdistuu kauempaa tuleviin ostajiin ja siihen maksavatko he asunnoista preemion. Ostajan ominaisuuksien vaikutusta asuntokauppaan ei ole Suomessa aikaisemmin tutkittu, mutta kansainvälistä tutkimusta aiheesta löytyy. Tutkimuksissa toiselta paikkakunnalta tulevan ostajan on havaittu maksavan asunnosta paikallista ostajaa enemmän (Lambson ym. 2004; Ling ym. 2014). Aikaisempien tutkimusten tulokset ovat kuitenkin osittain ristiriitaiset ja ne ovat käsitelleet erilaisia kiinteistötyyppejä. 1.2 TUTKIMUSKYSYMYKSET JA TIETEELLINEN LISÄARVO Tutkimuksen tarkoituksena on tutkia ostajan ominaisuuksien vaikutusta kerrostaloasuntojen kauppahintaan. Ensimmäisenä tutkitaan yleisesti vaikuttaako ostajan paikkakunta kauppahintoihin. Tarkastelua jatketaan tutkimalla etäisyyden ja ostajan paikkakunnan asuntojen hintatason vaikutus. Valitut tutkimuskysymykset on esitelty alla. 1. Maksaako toiselta paikkakunnalta tuleva ostaja kerrostaloasunnosta korkeamman kauppahinnan? 2. Vaikuttaako ostajan paikkakunnan etäisyys kauppahinnan suuruuteen? 3. Vaikuttaako ostajan paikkakunnan asuntojen hintataso kauppahinnan suuruuteen? Tutkimus tuo tieteellistä lisäarvoa tutkimuskenttään, koska ostajan vaikutusta asuntojen kauppahintaan ei ole aikaisemmin tutkittu Suomessa. Jos ostajan paikkakunnalla havaitaan olevan merkittävä vaikutus asunnon kauppahintaan, niin tutkimuksen tulos voi osittain selittää Suomen sisäisen muuttoliikkeen ongelmia. Kansainvälisesti tutkimus jatkaa jo aikaisemmin tehtyä työtä lisäämällä tarkasteluun uuden maantieteellisen alueen. Tutkimuksen aineisto käsittää 39 952 asuntokauppaa, joiden tiedot ovat peräisin Kiinteistömaailma Oy:n järjestelmästä. Tutkittava aineisto on aikaisempiin tutkimuksiin nähden laaja. 2
1.3 TYÖN RAKENNE Tutkimus koostuu seitsemästä osasta. Nämä osuudet on lyhyesti kuvattu seuraavassa taulukossa. TAULUKKO 1 TUTKIMUKSEN RAKENNE Luku Aihe Kuvaus 1 Johdanto Esittelee tutkimuksen aiheen rakenteen ja tutkimuskysymykset 2 Asuntomarkkinat Kuvaus Suomen asuntomarkkinoiden nykytilanteesta 3 Teoria Kirjallisuuskatsaus tieteelliseen viitekehykseen 4 Metodologia Käytettyjen tutkimusmetodien esittely 5 Aineisto Empiirisessä osiossa käytettävän aineiston esittely 6 Tulokset Tilastollisen analyysin tulosten esittely 7 Yhteenveto Yhteenveto tutkimuksen tuloksista ja jatkotutkimuksen tarve Työn ensimmäinen luku on johdatus tutkimukseen ja sen aiheeseen. Johdannossa käsitellään myös työn tarpeellisuus. Toinen luku kertoo tutkimuksen kannalta oleelliset perustiedot Suomen asuntomarkkinoista ja sisäisestä muuttoliikkeestä. Kolmannessa luvussa tehdään kirjallisuuskatsaus aikaisempaan tutkimukseen aiheesta. Teoriaa käsittelevä luku voidaan jakaa kahteen osaan. Aluksi tarkastellaan asuntomarkkinoiden ominaisuuksia ja tekijöitä, jotka vaikuttavat asunnon kauppahintaan. Toinen osa käsittelee ostajan ominaisuuksiin liittyvää aikaisempaa tutkimusta. Lisäksi tarkastellaan aikaisempia tutkimustuloksia liittyen siihen, mitkä tekijät vaikuttavat ihmisten tekemiin taloudellisiin päätöksiin. Neljäs luku käsittelee tutkimuksen empiirisessä osuudessa käytettäviä tutkimusmenetelmiä. Siinä esitellään käytetyt metodit ja perustellaan niiden valinta. Viidennessä luvussa esitellään tutkimuksessa käytettävän aineiston lähde, ominaisuudet ja siihen tehdyt muutokset. Kuudennessa luvussa käydään läpi tutkimuksessa tehdyn tilastollisen analyysin tulokset ja tehdään johtopäätöksiä, jotka perustuvat tutkimuksessa aikaisemmin esitettyyn teoriapohjaan. Viimeisessä luvussa tehdään yhteenveto tutkimuksesta ja sen tuloksista. Lisäksi annetaan ehdotuksia tulevalle jatkotutkimukselle. 1.4 RAJAUS Tutkimuksen käytössä on Kiinteistömaailma Oy:n laaja kauppa-aineisto. Aineistoa tutkitaan tilastollisen analyysin avulla, minkä takia kohteista saatavat tiedot täytyy olla keskenään vertailukelpoisia. Valitsemalla tarkasteluun kohteita, jotka ovat ominaisuuksiltaan mahdollisimman samankaltaisia, voidaan vähentää epävarmuustekijöiden lukumäärää. Tämän takia tutkimuksessa tarkasteltavat kaupat on 3
rajattu pelkästään asuntoihin. Asunnot on lisäksi edelleen rajattu kerrostalohuoneistoihin, koska omakotitalojen, rivitalojen ja asuinhuoneistojen keskinäinen vertailu on ongelmallista. Eri asuntotyyppien kauppahintaan vaikuttavat eri tekijät ja ne muodostavat keskenään erilliset osa-markkinat. Tutkimuksen ulkopuolelle jätettiin kauppa-aineistosta siten omakotitalot, rivitalot, liiketilat, tontit, vapaa-ajanasunnot, autopaikat ja muut kohteet, mitkä eivät ole kerrostaloasuntoja. Sijainti vaikuttaa tunnetusti merkittävästi asunnon arvoon ja erityisesti pienemmillä paikkakunnilla asuinhuoneistojen arvostus voi olla alhainen, jos sitä vertaa kasvukeskusten hintatasoon. Tämän takia tutkimuksen aineisto on rajattu Suomen kahdeksan suurimman kaupungin toteutuneisiin asuinhuoneistojen kauppoihin. Nämä kaupungit ovat Espoo, Helsinki, Jyväskylä, Lahti, Tampere, Turku, Oulu ja Vantaa. Rajaamalla tutkimus vain suurimpien kaupunkien asuinhuoneistoihin saadaan aineisto, jossa kohteet ovat keskenään samankaltaisia ja niiden kauppahinnat perustuvat oletettavasti samoihin tekijöihin. 4
2 ASUNTOMARKKINAT Tässä luvussa käsitellään asuntomarkkinoiden ominaisuuksia yleisesti, mutta keskitytään erityisesti Suomen asuntomarkkinoiden ominaispiirteisiin. Ensin käsitellään asuntomarkkinoiden ominaisuuksia teoreettisella tasolla. Tämä tarkastelu luo perustaa tutkimukselle, koska asuntomarkkinat poikkeavat ominaisuuksiltaan muista hyödykkeistä. Lisäksi tarkastellaan Suomen asuntomarkkinoiden historiallista kehitystä ja nykytilaa. Lopuksi tehdään lyhyt katsaus kaupunkeihin kohdistuvasta muuttoliikkeestä, joka on voimakas trendi niin kansallisesti kuin maailmanlaajuisesti. 2.1 ASUNTOMARKKINOIDEN OMINAISUUDET Asuntojen kaupankäynti tapahtuu asuntomarkkinoilla, joka on yksi kiinteistömarkkinoiden osa-alue. Kiinteistöjen ominaisuuksien vuoksi kaupankäynnin toimintamekaniikka eroaa esimerkiksi keskitetyistä osakemarkkinoista, jossa tuotteet ovat likvidejä ja transaktiokustannukset alhaiset. Asunnoilla on joukko keskeisiä ominaisuuksia, jotka määrittävät asuntomarkkinoiden toiminnan periaatteet. Nämä ominaisuudet ovat esitelty seuraavassa listassa, joka perustuu aikaisempaan tutkimukseen (Arnott 1987, s. 960; Hall 2015, s. 8-9). Välttämättömyys. Tarjoaa suojaa, joka on yksi ihmiselämän perusedellytys (Arnott 1987, s. 960). Käytännössä kaikilla ihmisillä on asunto. Merkitys yksilölle. Suurelle osalle ihmisistä kyseessä on tärkein yksittäinen kulutuksen kohde (Arnott 1987, s. 960). Merkittävä osa henkilökohtaisesta omaisuudesta on sidottu asuntoon. Pitkäikäisyys. Asunto on hyödykkeenä pitkäikäinen ja kulutusta kestävä (Arnott 1987, s. 960). Normaaleista kulutushyödykkeistä poiketen asunnon arvo ei välttämättä laske iän myötä. Paikkasidonnaisuus. Asunto on tyypillisesti kiinteä rakennelma ja sijainniltaan tiettyyn paikkaan sidottu. Asunnon siirtäminen toiseen sijaintiin on tiettyjä poikkeuksia lukuun ottamatta hyvin kallista ja käytännössä usein mahdotonta (Arnott 1987, s. 960). Jakamattomuus. Kaupankäynti tapahtuu pääosin kokonaisina yksikköinä (Arnott 1987, s. 960). Osaomistus on mahdollista, mutta omistusosuudet ovat usein suuria. Esimerkiksi pariskunnan molemmat osapuolet voivat omistaa yhteisestä asunnosta puolikkaan. Osakekaupalle ominainen omistuksen sirpaloituminen ei ole asunnoille tyypillistä, mutta sitä esiintyy esimerkiksi asuntorahastojen yhteydessä. 5
Heterogeenisuus. Asunnolla on suuri määrä ominaisuuksia (Arnott 1987, s. 960). Näistä ominaisuuksista voidaan luoda periaatteessa loputon määrä erilaisia kombinaatioita. Kaikki asunnot ovat myös keskenään erilaisia, koska jopa samassa rakennuksessa olevat asunnot poikkeavat mikrosijainniltaan. Markkinoiden hienojakoisuus. Asunnot ja ostajat ovat jakautuneet harvasti suurelle alueelle (Arnott 1987, s. 960). Tarkasteltaessa koko Suomea myyjiä ja ostajia on erittäin suuri määrä. Myytävän asunnon täytyy kuitenkin sijaita alueella, johon ostaja haluaa muuttaa. Tämä rajoittaa merkittävästi kysynnän ja tarjonnan kohtaamista. Ero on suuri, jos asiaa verrataan osakekauppaan, jossa tuote ei ole paikkasidonnainen. Tuotannon hitaus. Asuntojen tuotanto on pitkä prosessi, joten rakentajat eivät pysty nopeasti reagoimaan markkinoilla tapahtuviin muutoksiin (Arnott 1987, s. 960). Lyhyellä aikavälillä tarjonta on joustamatonta, mutta kysynnässä voi puolestaan tapahtua nopeasti suuriakin muutoksia. Esimerkiksi suuri rakennushanke voi johtaa pienellä paikkakunnalla asuntojen hetkelliseen ylikysyntään. Informaation epäsymmetrisyys. Mahdolliset ostajat eivät tunne kaikkia markkinoilla olevia kohteita ja yksittäisistä asunnoista saatavat tiedot ovat erilaisia (Arnott 1987, s. 960). Tämä hankaloittaa kohteiden keskinäistä vertailua. Lisäksi myyjän tietämys omistamastaan kohteesta on lähtökohtaisesti parempi kuin ostajalla ja myyjä voi käyttää tätä epäsymmetrisyyttä hyväkseen. Transaktiokustannukset. Kaupankäynnin kustannukset ovat asuntojen yhteydessä korkeat (Arnott 1987, s. 960). Välitysmaksujen ja varainsiirtoveron lisäksi kustannuksia syntyy asunnon etsimisestä ja muutosta. Asunnon ostamisen yhteydessä usein myydään myös vanha asunto pois, mistä aiheutuu kustannuksia. Vaihdon yhteydessä voi joutua lisäksi asumaan hetkellisesti vuokralla. Johdannaisten puute. Tarjonta asunnon arvon alentumista suojaavien johdannaisten kuten futuurien tai vakuutusten osalta on vähäistä (Arnott 1987, s. 960). Asunnon omistajan mahdollisuus suojautua asunnon arvon äkillistä laskua vastaan on heikko. Asuntomarkkinat ovat kehittyneet vuodesta 1987, mutta mainitut ominaisuudet pätevät pääosin myös nykyään. Internet on helpottanut tiedon saatavuutta ja asuntoportaalien avulla mahdollisten kohteiden löytäminen ja keskinäinen vertailu on helpompaa. Asuntomarkkinoiden kehitystä ja hintatasoa myös tilastoidaan kattavasti. Lisäksi kerrostaloasuntojen keskimääräiset neliöhinnat ovat helposti saatavilla (Tilastokeskus d 2015). 6
2.2 ASUNTOMARKKINOIDEN YLEINEN KEHITYS Asuntomarkkinoiden yleinen kehitys on ollut viimeisen viiden vuoden aikana rauhallista ja koko Suomen osalta hintataso on vain hieman korkeampi kuin vuonna 2011 (Tilastokeskus a 2015). Alla olevasta kuvasta voidaan havaita, että pääkaupunkiseudun ja muun Suomen hintatasojen ero on kasvanut ja kehityssuunnat ovat erilaiset. Viime vuosina trendi on ollut koko Suomen osalta jopa hieman laskeva. Pääkaupunkiseudun osalta tilanne on parempi ja laskun sijaan hintataso on pysynyt vuoden 2013 tasolla. KUVA 1 VANHOJEN ASUINHUONEISTOJEN HINTAKEHITYS 2010-2016, INDEKSI 1970 = 100 (TILASTOKESKUS A 2015) Pidemmällä aikavälillä tarkasteltuna pääkaupunkiseudun ja muun Suomen hintatasojen kehitys on seurannut toisiaan selkeästi paremmin (Tilastokeskus b 2015). Tarkastelemalla kuvaa 2 nähdään, että pääkaupunkiseudun ja koko Suomen hintatason kehityksessä tapahtui selkeä muutos 1990-luvun lopussa. Pääkaupunkiseudulla asuntojen hintakehitys on ollut voimakkaampaa jo pidemmän aikaa. Kuvaa 2 tulkitsemalla voidaan sanoa, että viime vuosina pääkaupunkiseudun kehityskulku on irtautunut muusta Suomesta. 7
KUVA 2 ASUNTOJEN HINTAKEHITYS 1970-2016 (TILASTOKESKUS H 2015) Pääkaupunkiseudun ja muun Suomen välinen selkeä hintaero ei tule todennäköisesti lähitulevaisuudessa kaventumaan, koska kaupunkeihin suuntautuva muuttoliike ylläpitää asuntojen kysyntää (Kytö ja Kral-Leszczynska 2013). Alueiden väliset hintatasot voivat vaikeuttaa siirtymistä toiselle paikkakunnalle. Ongelmia syntyy, jos nykyisen asunnon myyntihinnalla ei pysty hankkimaan vastaavaa asuntoa uudelta paikkakunnalta. Tämä voi johtaa siihen, että toiselta paikkakunnalta muuttavat ostavat erilaisia kohteita kuin samassa kunnassa asuvat. Viime vuosina tapahtuneen asuinhuoneistojen hintatason rauhallisen kehityksen vuoksi omistusasunnon hankintakustannukset ovat pysyneet ennallaan (ks. kuva 1). Tarkasteltaessa asuntojen neliöhinnan suhdetta kotitalouksien keskimääräiseen vuosituloon voidaan havaita, että kasvu on myös hyvin maltillista (Pellervon taloustutkimus 2016). Kaupunkien välillä on kuitenkin eroja ja Helsingissä omistusasuminen on tuloihin verrattuna selkeästi kalleinta (Pellervon taloustutkimus 2016). Asuntojen maltillinen hintakehitys ei ole kuitenkaan parantanut kotitalouksien taloudellisia mahdollisuuksia hankkia omistusasunto, koska samanaikaisesti myös keskimääräiset tulot ovat pysyneet ennallaan (Tilastokeskus f 2015). Viime vuosina tapahtuneen asuntojen neliöhintojen maltillisen kehityksen aikana vuokrat ovat kuitenkin jatkaneet tasaista kasvuaan (Tilastokeskus g 2015). Vuonna 2015 vapaarahoitteisten vuokra-asuntojen vuokrat kohosivat pääkaupunkiseudulla 4,0 prosenttia ja muualla maassa 3,3 prosenttia (Tilastokeskus g 2015). 8
KUVA 3 NELIÖVUOKRIEN KEHITYS SUOMESSA VUOSINA 1975 2015 (TILASTOKESKUS G 2015) Vuokrien tasainen kasvu yhdistettynä tulojen maltilliseen kehitykseen on vähentänyt vuokralla asumisen houkuttelevuutta. Lisäksi matala korkotaso on pienentänyt asuntolainoista maksettavia korkoja, mikä vähentää suoraan omistusasumisen kustannuksia. Kokonaisuutena vuokralla asuvien asema on siis heikentynyt ja omistusasumisen kannattavuus on parantunut (Pellervon Taloustutkimus 2016). Omistusasuminen on tällä hetkellä suhteellisesti edullisinta pääkaupunkiseudulla, missä vuokrat ovat korkeimmat (Tilastokeskus g 2015). Asumusmuotojen suhteellisen kustannustason kehitys on esitetty myös kuvassa 4. 9
KUVA 4 OMISTUSASUMISEN KUSTANNUS SUHTEESSA VUOKRAAN (PELLERVON TALOUSTUTKIMUS, 2016) Omistusasumisen kannattavuuteen vaikuttaa yleisesti myös se, että vuokralainen maksaa asumisen kustannuksien lisäksi vuokranantajan tuottovaatimuksen. Tämä tuottovaatimus on yleisesti suurempi kuin asuntolainasta maksettava korko, joten normaaleissa olosuhteissa omistusasuminen on taloudellisesti vuokralla olemista järkevämpää. Lisäksi Suomessa omistusasumista tuetaan verotuksessa asuntolainan korkovähennyksen muodossa (Vero 2016). Vastaavasti vuokralla asumisen suurin etu on joustavuus, koska se ei vaadi sitoutumista ja asuntoa on helppo vaihtaa. Vuokralla asuminen helpottaa siis siirtymistä paikkakunnalta toiselle esimerkiksi työn perässä. Asuntolainan saamiseksi pankit yleisesti vaativat omia säästöjä, maksukykyä ja vakuuksia. Tämän takia omistusasuminen ei ole aina vaihtoehto nuorille, opiskelijoille ja vähävaraisille. Omistusasumisen suhteellinen kannattavuus ohjaa kuitenkin ihmisiä ostamaan oman asunnon. Tämä kustannusero ohjaa myös toiselta paikkakunnalta muuttavan henkilön ostamaan välittömästi oman asunnon. 2.3 SUOMEN SISÄINEN MUUTTOLIIKE Tilastokeskuksen vuoden 2014 tilastojen perusteella Suomesta muutti vuodessa 15 490 henkilöä ulkomaille ja vastaavasti Suomeen muuttavien henkilöiden lukumäärä oli 31 510 (Tilastokeskus e 2015). Nettomaahanmuutto Suomeen oli 16 020 henkilöä vuonna 2014. Tilastoista voidaan laskea, että 51 % Suomen nettomaahanmuutosta kohdistui kahdeksaan suurimpaan kaupunkiin (Tilastokeskus e 2015). Tämä on huomattavan suuri osuus 10
erityisesti, kun kyseisten kahdeksan kaupungin asukkaiden osuus Suomen väestöstä oli 36 % vuonna 2014 (Tilastokeskus b 2015). Suomen suurimpiin kaupunkeihin kohdistuu siten merkittävä muuttopaine ulkomailta. Suomen sisäinen muuttoliike on tilastojen perusteella huomattavasti laajempaa. Kuntarajojen sisällä tapahtuvia muuttoja oli vuonna 2014 yhteensä 570 670 kpl (Tilastokeskus e 2015). Suomen sisäisiä, mutta toiseen kuntaan tapahtuvia muuttoja oli vastaavasti 268 910 kpl (Tilastokeskus e 2015). Näistä muutoista 125 640 ylitti myös maakunnan rajan (Tilastokeskus e 2015). Näiden tilastojen perusteella 59 % Suomen sisäisistä muutoista tapahtui kuntarajojen sisäpuolella. Pidempien, maakuntien välisten muuttojen osuus Suomen sisäisestä muuttoliikkeestä on vain 13 %. Suomen sisäistä muuttoliikettä on kuvattu tarkemmin Suomen kahdeksan suurimman kaupungin osalta (ks. kuva 5 ja kuva 6). Kuvassa 5 on kuvattu kaupunkeihin muista Suomen kunnista muuttavien ihmisten lukumäärää. Tästä nähdään muuttovirran vuosittainen volyymi. Myös pääkaupunkiseudun merkittävä osuus nousee esiin, kun sitä vertaa muihin suuriin kaupunkeihin. Espoo Helsinki Jyväskylä Lahti Oulu Tampere Turku Vantaa 2010 14488 29922 7559 5769 9302 13722 10229 13250 2011 15330 31049 7871 5966 9525 14476 10788 13808 2012 16088 32813 7770 5920 9543 14618 10875 13873 2013 15045 33009 7525 5553 9347 14391 11018 13341 2014 15978 32882 7839 5597 9318 14524 10983 13932 KUVA 5 SUOMEN SISÄINEN MUUTTOVIRTA SUURIMMISSA KAUPUNGEISSA (TILASTOKESKUS D 2016) Kaupunkiin muuttavien ihmisten lukumäärän tarkasteleminen ei riitä, koska muuttoliikettä tapahtuu myös kaupungista poispäin. Tämän takia olennaista on tarkastella nettomuuttoliikettä. Kuvassa 6 on tarkasteltu suurimpien kaupunkien nettomuuttoliikettä vuosina 2010-2014. Kuvaa tarkastelemalla voidaan huomata, että kyseiset kaupungit ovat pääosin muuttovoittajia. Poikkeuksena on Vantaa, joka on viime vuosina hävinnyt Suomen sisäisessä muuttoliikkeessä. Kokonaisuutena nettomuutto on kuitenkin positiivista, koska kaikki tarkastelussa olevat kaupungit olivat nettovoittajia maahanmuutossa (Tilastokeskus e 2015). 11
Espoo Helsinki Jyväskylä Lahti Oulu Tampere Turku Vantaa 2010 243 1076 198 477 787 534 402-110 2011 690 1643 271 422 679 735 540 281 2012 582 3173 338 417 687 969 813-316 2013 22 4086 192 55 852 1690 994-495 2014 1061 3645 247 303 582 1488 852-110 KUVA 6 SUOMEN SISÄINEN MUUTTOVOITTO SUURIMMASSA KAUPUNGEISSA (TILASTOKESKUS E 2015) Koko Suomen tasolla tarkasteltuna sisäinen muuttoliike on kuitenkin nollasummapeli eli yhden voittaessa joku toinen häviää (Kytö ja Kral-Leszczynska 2013). Kaupunkeihin suuntautuva voimakas muuttoliike näkyy negatiivisesti pienemmillä paikkakunnilla. Muuttovoitot jakautuvat maantieteellisesti yhä harvemmille alueille, mutta muuttotappiot jakautuvat tasaisemmin ympäri maata (Kytö ja Kral-Leszczynska 2013). Vuonna 2008 alkaneen taloudellisen taantuman aikana muuttoliike kaupunkeihin on voimistunut ja erityisesti työikäiset muuttavat pienemmiltä paikkakunnilta pois (Kytö ja Kral- Leszczynska 2013). Tämä lisää entisestään pienempien paikkakuntien ahdinkoa ja asumiseen ja palveluihin kohdistuvaa painetta kaupungeissa. Suomen sisäinen muuttoliike on osa suurempaa maailmanlaajuista kaupungistumisen trendiä, jossa maaseudun väestö siirtyy kaupunkeihin (United Nations 2015). Käytännössä tämä tarkoittaa sitä, että jatkossa yhä suurempi osa maailman väestöstä asuu kaupungeissa. Maapallon väestön yleisestä kasvusta huolimatta, maaseudulla asuvien ihmisten määrä itseasiassa laskee pitkällä aikavälillä tarkasteltuna (United Nations 2015). Tilastojen perusteella kaupungistumisen aste Suomessa oli vuonna 2015 84,2 prosenttia ja vuoden 2050 ennuste on 89,1 prosenttia (United Nations 2015). Merkittävä osa kehityksestä on jo tapahtunut Suomessa ja maaseudulla asuvien osuus on pieni. Maaseudulla asuvien osuus pienenee hitaasti myös tulevaisuudessa, mutta Suomen tapauksessa oleellisempi rakennemuutos on muuttoliike pienemmiltä paikkakunnilta suuriin kaupunkeihin. Tämä heikentää pienempien paikkakuntien toimintamahdollisuuksia ja lisää painetta suurimpien kasvukeskuksien rakennuskannalle, infrastruktuurille ja palveluille. Perinteisesti kaupunkeihin on muuttanut nuoria ja työikäisiä ihmisiä, mutta suurten ikäluokkien ikääntyessä vaikuttaa siltä, että myös yhä useampi eläkeläinen muuttaa kaupunkiin lähemmäksi palveluita (Kytö ja Kral-Leszczynska 2013). 12
3 TEORIA Tässä luvussa tehdään kirjallisuuskatsaus tutkimuksen kannalta oleelliseen teoriaan ja aikaisempaan tutkimukseen. Tarkastelu alkaa markkina-arvon määritelmästä ja asunnon arvon määrityksestä. Seuraavaksi katsotaan asunnon ostamiseen liittyvää päätöksentekoa käyttäytymistieteiden näkökulmasta. Tässä keskitytään erityisesti siihen liittyviin harhoihin ja ongelmiin. Tässä kappaleessa tutustutaan myös aikaisempaan tutkimukseen, joka liittyy suoraan tämän tutkimuksen aiheeseen. Viimeiseksi tehdään aikaisempaan tutkimukseen perustuen teoreettinen malli siitä, miten ostajan ominaisuudet vaikuttavat asunnosta maksettavaan kauppahintaan. 3.1 ASUNNON MARKKINA-ARVO IVCS:n (International Valuation Standards Commitee) vuoden 2013 määritelmä kohteen markkina-arvolle on seuraava: Market value is the estimated amount for which an asset or liability should exchange on the valuation date between a willing buyer and a willing seller in an arm s length transaction, after proper marketing and where the parties had each acted knowledgeably, prudently and without compulsion. Vapaasti suomennettuna markkina-arvo on kauppahinta, joka syntyisi arviointipäivänä kaupankäyntiin halukkaiden ja toisistaan riippumattomien ostajan ja myyjän välillä, kohteen asianmukaisen markkinoinnin jälkeen, osapuolten toimiessa asiantuntevasti, harkitusti ja ilman pakkoa. Markkina-arvo ei ole siis sama asia kuin toteutunut kauppahinta vaan kyseessä on arvo, jolla kaupan pitäisi toteutua. Teoriassa ostajan ei tulisi maksaa kohteesta markkina-arvoa suurempaa arvoa (IVCS 2013). Vastaavasti myyjän ei pitäisi myydä kohdetta hinnalla, joka ei vastaa sen markkina-arvoa (IVCS 2013). Markkina-arvon toteutumisen vaatimuksena on kuitenkin hyvin toimivat kiinteistömarkkinat. Todellisuudessa kiinteistömarkkinat eivät kuitenkaan ole täydelliset ja kauppahinnoissa esiintyy satunnaisvaihtelua. Markkinoiden toimintaan vaikuttaa myös se, että kohteen markkinaarvon suuruus ei ole fakta vaan sen suuruutta voidaan ainoastaan arvioida (IVCS 2013). Kohteen markkina-arvosta puhuessa tulee muistaa, että kyseessä ei ole fakta vaan asiantuntijan laatima mielipide (IVCS 2013). Tämä mielipide tai arvio perustuu kohteen todennäköiseen kauppahintaan tai kohteesta saatavaan taloudelliseen hyötyyn (IVCS 2013). Hinta on kohteesta pyydetty, tarjottu tai maksettu rahasumma, joka voi tilanteesta riippuen erota kohteen arvioidusta markkina-arvosta (IVCS 2013). Näiden kahden termin 13
välinen ero on hyvä pitää mielessä, koska niiden merkityksissä on selkeä ero. Puhekielessä kohteen kauppahinta ja markkina-arvo ovat usein synonyymejä, mutta tieteellisessä kirjoituksessa kyseisiä termejä tulee käyttää täsmällisesti. Markkina-arvoa eli todennäköistä kauppahintaa voidaan teoreettisella tasolla havainnollistaa esimerkiksi myyjän ja ostajan tiheysfunktioiden avulla. Ostajan tapauksessa tämä tiheysfunktio kuvastaa todennäköisyyttä, jolla ostaja on valmis ostamaan asunnon tietyllä hinnalla. Päinvastaisesti myyjän tapauksessa tiheysfunktio esittää eri myyntihintojen todennäköisyyttä. Fisher ym. (2004) käytti tätä menetelmää omassa työssään ja tutkimuksen perusteella kohteita myydään suurimmalla frekvenssillä, kun ostajien ja myyjien tiheysfunktioiden päällekkäisyys on suurin. Käytännössä tämä tarkoittaa sitä, että asuntoja myydään enemmän, kun ostajien ja myyjien näkemykset asuntojen hintatasosta lähestyvät toisiaan. Toisaalta on myös mahdollista myydä kohde korkeammalla hinnalla, mutta sopivan ostajan löytäminen on epätodennäköisempää. KUVA 7 OSTAJIEN JA MYYJIEN KAUPPAHINTOJEN TIHEYSFUNKTIOT (FISHER YM. 2004) Näiden tiheysfunktioiden avulla voidaan käsitellä myös markkinoiden tehokkuutta. Täydellisen tehokkaassa markkinassa tiheysfunktiot olisivat täysin päällekkäin, jolloin ostajan ja myyjän käsitys oikeasta kauppahinnasta on identtinen. Markkinat eivät kuitenkaan ole täydelliset vaan myyjät ja ostajat reagoivat markkinoiden muutoksiin eri tavalla (Fisher ym. 2004). Tiheysfunktioiden päällekkäisten alueiden osuus vaihtelee siis markkinoilla tapahtuvien muutosten takia. Aikana jolloin asunnot käyvät paremmin kaupaksi, ostajien ja myyjien välisen hintanäkemyksen ero on pienempi eli tiheysfunktiot ovat lähempänä toisiaan. Kohteen markkina-arvoon vaikuttaa siten ominaisuuksien lisäksi myös vallitseva markkinatilanne. Asuntomarkkinoiden epätäydellisyys taas perustuu aikaisemmin esitettyihin asuntomarkkinoiden ominaisuuksiin (ks. luku 2.1). 14
3.2 ASUNNON ARVONMÄÄRITYS Kansainvälisten arviointistandardien (IVSC 2013) suositusten mukaisesti kiinteistöjen arviointi pitäisi perustua standardeissa esitettyihin periaatteisiin ja määritelmiin. Tämän perusteella arvio pitäisi tehdä objektiivisen ja ammatillisesti pätevän henkilön toimesta. Arvioinnissa tulisi lisäksi käyttää pääosin vain kolmea eri arviointimetodia. Nämä tuetut metodit ovat kauppa-arvo-, tuottoarvo- ja kustannusmenetelmä. Vaikka nämä metodit on tarkoitettu ammattimaiseen arviointitoimintaan niin perusperiaatteet soveltuvat myös siihen, miten yksityiset henkilöt arvioivat asunnon arvon. Kauppa-arvomenetelmässä arvio perustuu markkinoilla toteutuneisiin vertailukelpoisiin kauppoihin, joiden perusteella voidaan arvioida kohteen todennäköinen kauppahinta (IVSC 2013). Tärkeää on myös arvioida, miten tarkasteltava kohde eroaa vertailukaupoista ja tehdä tämän pohjalta tarvittavat korjaukset (IVSC 2013). Tuottoarvomenetelmä perustuu arvioitavan kohteen tulevaisuudessa tuottamaan kassavirtaan (IVSC 2013). Arvio tulevasta kassavirta voi perustua kohteen nykyiseen kassavirtaan tai markkinatietoon. Diskonttaamalla arvioitu kassavirta kohteelle asetetulla tuottovaatimuksella voidaan kohteen nykyarvo määrittää (IVSC 2013). Kolmas vaihtoehto eli kustannusmenetelmä perustuu periaatteeseen, että ostaja ei maksa kohteesta enempää kuin mitä vastaavan kohteen hankinta tai rakentaminen maksaisi (IVSC 2013). Käytännössä tarkastellaan siis mitä vastaavan kohteen rakentaminen kustantaisi. Uusi rakennus voi kuitenkin olla ominaisuuksiltaan parempi kuin arvioitava kohde, joten arvoa voidaan joutua korjaamaan alaspäin markkina-arvon saavuttamiseksi. Yhteistä esitetyillä arviointimetodeilla on se, että ne perustuvat markkinatietoon. Voidakseen arvioida kohteen arvon asunnon ostajalla tulisi siis olla riittävästi vertailukelpoista markkinatietoa. Tietojen pitäisi olla myös riittävän tuoretta, koska asuntomarkkinat muuttuvat ajan kuluessa. Asuntokauppa on yleensä kahden yksityishenkilön välinen kauppa, jonka tiedot eivät ole julkisesti saatavissa. Tilastokeskus julkaisee alueellisia keskihintoja (Tilastokeskus d 2015), mutta tarkempi tieto on ammattimaisilla toimijoilla. Markkinatietoa on mahdollista myös tulkita väärin ja tämän takia arvio tulisi tehdä siihen pätevän henkilön ja puolueettoman henkilön toimesta (IVSC 2013). Esimerkiksi asunnon myyjä voi pitää kiinni siitä hinnasta, jonka hän on itse asunnosta maksanut, vaikka kohteen arvo on omistamisen aikana muuttunut. Tämän takia hän voi mahdollisesti tulkita markkinainformaatiota puolueellisesti ja jättää huomioimatta tietoja, jotka eivät tue hänen 15
omaa käsitystään. Tämän kaltainen virheellinen toiminta on yksi esimerkki harhasta, joka voi vaikuttaa ihmisen päätöksentekoprosessiin. Seuraavassa luvussa tarkastellaan tätä tarkemmin tämän tutkimuksen asettamassa viitekehyksessä. 3.3 PÄÄTÖKSENTEON HARHAT Tässä tutkimuksessa tarkastellaan toteutuneita kauppahintoja ja sitä vaikuttaako ostajan ominaisuudet sen suuruuteen. Yhtenä tutkittavana tekijänä on ostajan paikkakunnan hintataso, jonka oletetaan vaikuttavan kauppahintaan. Hypoteesina on, että se vääristää ostajan kykyä tehdä arvio ostettavan kohteen arvosta. Tämän tutkimuksen kannalta on kiinnostavaa, miten ihminen tekee taloudellisia päätöksiä ja mitkä tekijät vaikuttavat niihin. Kahneman ja Tversky (1979) julkaisivat tutkimuksen, jossa he tutkivat päätöksentekoa tilanteissa, joihin liittyy taloudellinen riski. Tutkimus tehtiin hallituissa oloissa ja koehenkilöiden piti vastata annettuihin kysymyksiin. Kyseisessä tutkimuksessa testattiin lukuisia eri mekanismeja, jotka vaikuttavat päätöksentekoon. Tämän tutkimuksen kannalta mielenkiintoisin on ankkuroituminen. Mekanismin idea on, että päätöksenteon pohjana oleva vertauskohta vaikuttaa merkittävästi lopputulokseen (Kahneman ja Tversky 1979). Olennainen on myös havainto, että koehenkilöt eivät osanneet huomioida otoskoon vaikutusta tulosten todennäköisyyteen (Kahneman ja Tversky 1979). Tämän tutkimuksen kannalta tämä on mielenkiintoista, koska jos otoskoolla ei ole merkitystä niin ihmiset tekevät mahdollisesti päätöksiä yksittäisten havaintojen pohjalta. Tutkimuksessa havaittiin lisäksi monia muita vaikutusmekanismeja kuten epävarmuuden pelko ja häviämisen mahdollisuuden välttäminen. Todellisuudessa päätöksiä ei kuitenkaan tehdä hallituissa olosuhteissa. Lisäksi vaihtoehtojen tarkkoja todennäköisyyksiä tai todellisia seurauksia ei tiedetä tarkasti (Bellman ja Zadeh 1970). Tässä tutkimuksessa päätöksentekoon liittyviä mekanismeja käytetään selittämään miksi ostajan paikkakunnan hintataso voi mahdollisesti vaikuttaa kohteen lopulliseen kauppahintaan. Ankkuroitumisen osalta tässä tutkimuksessa tehdään tarkempi tarkastelu. 3.4 ANKKUROITUMINEN Ankkuroitumisella tarkoitetaan päätöksenteon vääristymää, joka aiheutuu päätöksen pohjana käytetystä vertailukohdasta (Kahneman ja Tversky 1979). Teoria perustuu siihen, että ihmisen tekemä alitajuinen arviointiprosessi alkaa lähtöarvosta. Lähtöarvo voi olla ulkoinen tekijä, kuten pyyntihinta tai sisäinen tekijä, esimerkiksi aikaisempi käsitys asuntojen hintatasosta (Kahneman ja Tversky 1979). Prosessi lähtee kuitenkin liikkeelle tästä lähtöarvosta, johon tehdään tilanteen vaatimia korjauksia (Kahneman ja Tversky 16
1979). Ongelma on kuitenkin se, että tutkimuksissa on havaittu tämän vertauspisteen vaikuttavan myös lopullisen arvion lopputulokseen. Kyseisiä tutkimuksia esitellään tarkemmin tässä luvussa. Yksinkertainen esimerkki vertailukohdan vaikutuksesta on alennusmyynti, jossa korkea lähtöhinta ja suuri alennusprosentti saavat tuotteen vaikuttamaan houkuttelevalta. Ensimmäisiä tutkimuksia ankkuroitumisen vaikutuksesta on Tversky ja Kahneman (1974), jotka havaitsivat ankkuroitumisen aiheuttavan selkeän ja systemaattisen virheen koehenkilöiden vastauksiin. Tutkimuksessa koehenkilöiden läsnä ollessa onnenpyörällä arvottiin luku väliltä 0-100. Tämän jälkeen koehenkilöiltä kysyttiin erilaisia kysymyksiä kuten esimerkiksi: onko Afrikan valtioiden osuus Yhdistyneistä kansakunnista suurempi vai pienempi kuin kyseinen luku. Henkilöitä pyydettiin tämän jälkeen myös arvioimaan osuuden suuruus. Tutkimuksen tulos oli se, että arvottu luku vaikutti selkeästi koehenkilöiden arvioiden suuruuteen. Arvioiden mediaani oli absoluuttisesti korkeampi, kun koehenkilöille arvottu luku oli suurempi. Koehenkilöiden tekemät korjaukset ankkurina toimineeseen lähtöarvoon eivät olleet siis riittäviä. (Tversky ja Kahneman 1974) Ankkuroituminen voi tapahtua myös, vaikka erillistä ulkoista lähtöarvoa ei ole. Tversky ja Kahneman (1974) demonstroivat asian yksinkertaisella testillä, joka esitetään seuraavaksi. Joukko opiskelijoita jaettiin kahteen ryhmään ja heidän tehtävä oli arvioida annetun laskutoimituksen suuruus viidessä sekunnissa. Ensimmäinen ryhmä sai laskettavaksi alla olevan kertolaskun, jossa lukujen järjestys on vasemmalta oikealle luettaessa nouseva. 1 2 3 4 5 6 7 8 =? Toisen ryhmän tapauksessa kyseessä oli sama kertolasku, mutta lukujen järjestys oli muutettu laskevaksi. 8 7 6 5 4 3 2 1 =? Kyseisen laskutoimituksen laskeminen näin lyhyessä ajassa on haastava tehtävä, joten Tversky ja Kahneman (1974) olettivat, että ihmiset laskevat vain ensimmäiset osuudet laskusta ja arvioivat itse jäljelle jäävän osuuden vaikutuksen. Hypoteesina oli myös, että arviot olisivat todellista vastausta pienemmät, koska tehdyt korjaukset eivät olisi aikaisemman tutkimustiedon perusteella riittäviä. Tällöin lukujen järjestys vaikuttaisi arvion suuruuteen ja ensimmäisen ryhmän arvion pitäisi olla pienempi. Testi vahvisti nämä oletukset, koska ensimmäisen ryhmän vastausten mediaani oli 512 kun jälkimmäisen ryhmän mediaani oli 2 250. Molemmat ryhmät jäivät kuitenkin selvästi todellisesta vastauksesta, joka on 40 320. (Tversky ja Kahneman 1974) 17
Strack ja Mussweiler (1997) jatkoivat tutkimusta tarkastelemalla lähtöarvon vaikutusta ankkuroitumiseen. He löysivät, että ankkuroituminen vaikuttaa vastauksiin, vaikka annettu lähtöarvo ei olisi uskottava. Tutkimuksessa kysyttiin esimerkiksi Etelämantereen keskilämpötilaa talvella ja ankkurin vaikutus havaittiin, vaikka koehenkilöille annetut lähtöarvot olivat 45 C ja -210 C. Annettu ankkuri veti siis vastauksien mediaaneja puoleensa, vaikka annetut arvot ovat selkeästi virheellisiä. Jacowitz ym. (1995) puolestaan tutki sitä, miten koehenkilön luottamus omaan vastaukseen vaikuttaa ankkuroitumisen aiheuttamaan virheeseen. Tutkimuksessa vastauksiinsa parhaiten luottava ylin neljännes vastasi paremmin kuin koehenkilöt keskimäärin, mutta havaittu virhe oli silti merkittävä. Wilson ym. (1996) löysi puolestaan, että efekti on voimassa, vaikka koehenkilöitä nimenomaan varoitetaan ankkuroitumisesta ja kielletään käyttämättä annettuja lähtöarvoja päätöksenteossa. Tutkimuksen perusteella voidaan siis sanoa, että edes ongelman tiedostaminen ei suojaa sen vaikutukselta. Northcraft (1987) tutki kiinteistön lähtöhinnan vaikutusta kiinteistöjen arviointiin. Tarkoituksena oli testata vaikuttaako annettu lähtöhinta lopullisen arvion suuruuteen. Tutkimuksessa kauppatieteiden opiskelijat ja paikalliset kiinteistönvälittäjät arvioivat asuinkiinteistön arvon. Koehenkilöt vierailivat kohteessa ja saivat lisäksi kattavan määrän taustamateriaalia arvion laatimisen tueksi. Annettu materiaali valikoitiin kiinteistönvälittäjien haastattelujen pohjalta eli koehenkilöt saivat kaiken sen tiedon mitä arvioinnissa normaalisti käytetään. Annettu materiaali sisälsi muun muassa tiedot alueella myydyistä kohteista, tiedot alueella myytävissä olevista kohteista ja perustiedot arvioitavasta kohteesta. Tutkimuksessa opiskelijat ja välittäjät jaettiin neljään eri luokkaan, jotka saivat muuten samanlaiset tiedot, mutta arvioitavan kohteen ilmoitettu lähtöhinta oli ryhmien kesken erilainen. Testi toistettiin myös toisessa kohteessa uusilla koehenkilöillä. kokeeseen osallistui yhteensä 102 opiskelijaa ja 68 välittäjää. Osa tutkimuksen tuloksista on esitelty alla olevassa taulukossa. 18
KUVA 8 LÄHTÖHINNAN VAIKUTUS ASUNNON ARVIOINTIIN. (NORTHCRAFT 1987) Taulukkoa tarkastelemalla voidaan huomata, että lähtöhinnan vaikutus arvion suuruuteen on selkeä ja johdonmukainen. Saadut tulokset ovat myös tilastollisesti merkittäviä. Opiskelijoista koostuva vertailuryhmä reagoi lähtöhinnan muutokseen voimakkaammin kuin kiinteistönvälittäjistä muodostuva ammattilaisten ryhmä. Kummankin ryhmän osalta tulokset ovat kuitenkin selkeät ja johdonmukaiset. Koehenkilöitä pyydettiin myös listaamaan arvioon vaikuttaneita tekijöitä. 37 % opiskelijoista ja 19 % välittäjistä mainitsi lähtöhinnan vaikuttaneen arvion suuruuteen. Kolmen merkittävimmän syyn joukkoon lähtöhinnan asetti vain 9 % opiskelijoista ja 8 % välittäjistä. (Northcraft 1987) Tämän tutkimuksen kannalta löydökset, jotka Northcraft (1987) teki, ovat hyvin mielenkiintoisia. Tulokset osoittavat, että asunnon lähtöhinta vaikuttaa asunnon arvon arvioituun suuruuteen. Tutkimus tehtiin myös lähempänä todellisen maailman tilannetta eikä hallituissa tutkimusolosuhteissa kuten esimerkiksi Tversky ja Kahneman (1974) tekivät. Black ja Diaz (1996) löysivät omassa tutkimuksessaan lähtöhinnalla olevan vastaava vaikutus asuntojen hintaneuvottelussa. Tutkimuksessa tarkasteltiin myös tapausta, jossa koehenkilöille ei annettu tietoa kohteen lähtöhinnasta. Alla olevassa taulukossa on esiteltynä tutkimuksen tulokset. Välittäjien suorittamien arvioiden mediaani arvot, n = 47 Ilmoitettu lähtöhinta, $ Markkina-arvo, $ Lähtöhinta, $ Kauppahinta, $ Alin hyväksyttävä tarjous, $ 119 900 114 204 117 745 111 454 111 136 129 900 126 772 127 836 123 209 122 254 139 900 125 041 128 530 124 653 121 884 149 000 128 754 130 981 127 318 123 818 p < 0.001 p < 0.001 p < 0.001 p < 0.001 Opiskelijoiden suorittamien arvioiden mediaani arvot, n = 54 Ilmoitettu lähtöhinta, $ Markkina-arvo, $ Lähtöhinta, $ Kauppahinta, $ Alin hyväksyttävä tarjous, $ 119 900 116 833 119 866 107 916 108 666 129 900 122 220 134 571 120 457 118 027 139 900 125 536 133 285 123 785 121 785 149 000 144 454 153 714 138 885 137 564 p < 0.001 p < 0.001 p < 0.001 p < 0.001 19
Ensimmäinen tarjous Lähtöhinta Ei ilmoitettu Matala Todellinen Korkea Keskiarvo 170 403 $ 124 243 $ 158 629 $ 207 522 $ Keskihajonta 23 054 $ 11 098 $ 16 636 $ 28 932 $ Variaatiokerroin 0,135 0,089 0,105 0,132 Lopullinen kauppahinta Lähtöhinta Ei ilmoitettu Matala Todellinen Korkea Keskiarvo 191 719 $ 130 536 $ 176 763 $ 226 931 $ Keskihajonta 27 776 $ 6 909 $ 7 450 $ 19 900 $ Variaatiokerroin 0,145 0,053 0,042 0,088 KUVA 9 LÄHTÖHINNAN VAIKUTUS ASUNNON OSTONEUVOTTELUIHIN (BLACK JA DIAZ 1996) 3.5 ASUNNON ETSINTÄPROSESSI Tässä tutkimuksessa asunnon ostamista käsitellään kokonaisuutena siitä hetkestä alkaen, kun ostaja alkaa aktiivisesti etsimään asuntoa. Tähän sisältyy esimerkiksi mahdollisten kohteiden valitseminen, alueeseen tutustuminen, kohteiden fyysinen tarkastaminen, kuntotarkastukset, selvitykset, lainaneuvottelut, tarjouskilpailu, kauppakirjan allekirjoittaminen ja kaikki muut välivaiheet, jotka mahdollisesti sisältyvät prosessiin. Kuten välivaiheiden lukumäärä osoittaa, asunnon ostaminen on monimutkainen prosessi ja sopivan asunnon etsiminen on vain yksi, mutta tärkeä osa tätä prosessia. Toinen huomion arvoinen seikka on, että kaikki nämä vaiheet vievät aikaa ja aiheuttavat kustannuksia. Kustannusrakenne kuitenkin vaihtelee eri ostajien välillä ja tämän tutkimuksen kannalta olennaista on se, miten ostajan paikkakunta vaikuttaa asiaan. Tässä tutkimuksessa yhtenä hypoteesina on, että ostajan paikkakunnan etäisyys vaikuttaa lopulliseen kauppahintaan. Hypoteesi perustuu oletukseen, että etsintäkustannukset kasvavat etäisyyden pidentyessä. Ling ym. (2014) totesi omassa tutkimuksessaan, että maantieteellinen etäisyys johtaa korkeampiin kustannuksiin kiinteistökauppaan liittyvän informaation keräämisessä. Etäisyyden kasvaessa yhteen asuntoon tutustumiseen kuluva aika ja matkustuskustannukset nousevat. Tämän perusteella paikallisen ostajan kynnys tutustua mahdollisiin kohteisiin pitäisi olla huomattavasti matalampi. Lisäksi asunnon ostajat näkevät asuntojen myynti-ilmoituksista vain hintapyynnön, mutta he eivät tiedä todellista hintaa, jolla myyjät ovat valmiita myymään kohteen (Turnbull ja Sirmans, 1993). Kohteen todellinen hinta selviää vasta kaupankäynnin yhteydessä. Tarjousta edeltävä pohjatyö ja kohteeseen tutustuminen vaativat kuitenkin aikaa ja vaivaa. Asuntojen etsiminen ja niihin tutustuminen aiheuttavat ostajalle edellä mainittuja kustannuksia. Analyyttisesti tarkastellen voidaan sanoa, että etsinnästä johtuvien 20
kustannuksien takia ostaja etsii asuntoa, kunnes etsinnästä saatava rajahyöty ei ole enää positiivinen (Turnbull ja Sirmans 1993). Toisin sanoen ostajan kannattaa tutustua vielä yhteen kohteeseen, jos sen odotusarvo on hänelle positiivinen. Ostajan kannattaa tutustua siis mahdollisiin vaihtoehtoihin, jotta hän tuntee alueen hintatason ja ei maksa kohteesta ylihintaa. Vaihtoehtojen vertaileminen on tärkeää, koska kohteiden hinnoittelussa on vaihtelua ja hyvää tarjousta ei välttämättä löydä ensimmäisestä kohteesta. Toisaalta kohteisiin tutustuminen lisää kustannuksia, joten pidentynyt etsintäprosessi vähentää tarjontaan tutustumisesta saatavaa hyötyä. Tämän pohjalta voidaan tehdä seuraava oletus. Jos etsintäkustannukset ovat korkeat, ostajan kannattaa olla valmis maksamaan asunnosta hieman enemmän. Ostaja voi käyttää apuna välikättä ja sopia paikallisen toimijan, esimerkiksi asunnonvälittäjän, kanssa sopivan ostokohteen etsinnästä. Tämä todennäköisesti vähentää ankkuroitumisen vaikutusta. Etsintäkustannusten suhteen välittäjän käyttäminen ei ole yksiselitteisesti kalliimpi tai halvempi vaihtoehto. Asunnonvälittäjillä on motiivi tehdä kaupat nopeasti, koska palkkio on yleensä provisiopohjainen (Levitt ja Syverson 2008). Tutkimuksessa havaittiin, että välittäjän myydessä omaa kotiaan, myyntiaika on 10 prosenttia pidempi ja kauppahinta 3,7 prosenttia korkeampi (Levitt ja Syverson 2008). 3.6 OSTAJAN OMINAISUUKSIEN VAIKUTUS KAUPPAHINTAAN Aikaisempaa tutkimusta tämän tutkimuksen aihepiiristä on saatavilla runsaasti, jos tarkastelun kohteena on kansainvälinen kirjallisuus. Tämän tutkimuksen kannalta oleelliset työt käsitellään tässä luvussa. Tutkimuksista esitellään tehdyt löydökset, mutta myös käytetyt tutkimusmetodit ja aineistot. Tarkastelemalla tehtyjen tutkimusten tarkempia ominaisuuksia saadaan parempi käsitys aiemmin tehdystä työstä, mutta voidaan myös arvioida paremmin tämän tutkimuksen lähimpiä vastineita ja täten myös tieteellistä uutuusarvoa. Tarkasteluun valikoituneet tutkimukset on käsitelty alla ja ne on lajiteltu julkaisuajan mukaan. Turnbull ja Sirmans (1993) tutkivat ostajatyypin vaikutusta asunnon hintaan 151 asuntokaupan aineistolla Louisianasta. He eivät löytäneet tilastollisesti merkittävää eroa paikallisten ja ulkopaikkakuntalaisten välillä. Tutkimuksessa löydetty ero oli kuitenkin lähellä tilastollista merkitsevyyttä. Aineiston koko oli suhteellisen pieni, mikä voi olla vaikuttava tekijä tutkimuksen tulokseen. Tämä perustuu siihen, että merkitykseltään vähäisempi vaikutus ei välttämättä näy näin pienessä aineistossa, vaan sen löytäminen voi vaatia lisää tilastollista voimaa eli suuremman aineiston. 21
Lambson ym. (2004) jatkoivat tutkimusta, jonka Turnbull ja Sirmans (1993) aloittivat. Tutkimuksessa tarkasteltiin aineistoa, joka sisälsi 2854 kerrostalokauppaa Phoenixin alueella Yhdysvalloissa vuosina 1990-2002. Tutkimuksessa tarkasteltiin useita asuntoja sisältäviä kokonaisuuksia ja kaupan osapuolina oli esimerkiksi asuntorahastoja. Lambson ym. (2004) löysivät, että toisesta osavaltiosta oleva ostaja maksoi tilastollisesti merkittävän preemion verrattuna paikalliseen ostajaan. Toiselta paikkakunnalta peräisin oleva ostaja maksoi tutkimuksen perusteella yli 5 % enemmän. Tätä preemiota tarkasteltiin tutkimuksessa tarkemmin kolmen näkökulman avulla. Nämä ovat ostoprosessiin liittyvä aikarajoitus, korkeammat etsintäkustannukset ja aikaisemmista kokemuksista aiheutuneet virheelliset käsitykset asuntomarkkinan hintatasosta. Yhteyttä näkökulmien ja preemion välillä etsittiin ja tarkastelun löydökset olivat johdonmukaisia, mutta eivät kaikilta osin tilastollisesti merkitseviä. Tekijät selittivät tätä sillä, että osa tutkimuksen muuttujista kuvasti heikosti tutkittavaa asiaa, joka hankaloittaa tilastollisesti merkittävien tulosten löytämistä. Clauretie ja Thistle (2007) tutkivat Las Vegasissa tehtyjen 2 828 sijoitusasunnon kaupan avulla kohteen sijainnin ja markkinoilla oloajan suhdetta etsintäkulujen suuruuteen ja ankkuroitumiseen. Tutkimuksessa havaittiin, että etsintäkulujen ja ankkuroitumisen vaikutus häviää, kun kohteen sijainti huomioitiin analyysissä. Aikaisemmin samassa tutkimuksessa havaittiin etsintäkulujen ja ankkuroitumisen tilastollisesti merkittävä yhteys kauppahinnasta maksettavaan preemioon, kun kohteen sijaintia ei huomioitu mallissa. Yksi selitys tälle on se, että ulkopaikkakuntalaiset ostajat välttävät riskejä ja ostavat asuntoja keskimääräistä paremmilta alueilta. Wilhelmsson (2008) tarkasteli Tukholmasta vuonna 2000 kerättyä 968 omakotitalon kauppa-aineistoa. Työn aiheena oli tutkia maksavatko ensiasunnon ostajat asunnosta muita enemmän, mutta tilastollisesti merkittävää eroa ei tutkimuksessa löytynyt. Tutkimuksessa havaittiin lisäksi, että ensiasunnon ostajat ostavat keskimäärin pienempiä ja laadultaan huonompia asuntoja verrattuna muihin ostajiin. Markkinat vaikuttavat toimivan oikein, koska vaikka ensiasunnon ostajat ostavat keskimäärin erilaisia kohteita kuin muut, niin he eivät kuitenkaan maksa niistä ylimääräistä. Ihlanfeldt ja Mayock (2012) toistivat tutkimuksen, jonka Turnbull ja Sirmans (1993) tekivät aikaisemmin, mutta eivät saaneet tilastollisesti merkittäviä tuloksia. Tutkimuksen uudessa versiossa käytetty aineisto on suurempi ja se kattaa 6 666 asuntoa. Aineisto on kerätty Yhdysvaltojen Floridassa vuonna 2009. Tutkimuksessa havaittiin, että toiselta markkina-alueelta siirtyvä ostaja maksaa 1,9 prosenttiyksikön preemion. Toiselta 22
paikkakunnalta oleva maksaa vastaavasta kohteesta enemmän kuin paikallinen ostaja. Tutkimuksessa tarkasteltiin myös maantieteellisen etäisyyden vaikutusta ja sen havaittiin olevan tilastollisesti merkittävä, mutta myös taloudellisesti huomattava. Työssä käsiteltiin lisäksi ankkuroitumisen vaikutusta ja alueen hintatasolla havaittiin olevan vaikutus kauppahintoihin. Työn tekijät huomauttavat kuitenkin, että käytössä olevalla aineistolla ei voida huomioida huoneiston laatua tai varustelua. On mahdollista, että kalliimmilta alueilta muuttavat ostajat maksavat enemmän siitä yksinkertaisesta syystä, että he ostavat parempia asuntoja. Ling ym. (2014) tekemä tutkimus tarkasteli maantieteellisen etäisyyden ja käyttäytymistieteen mukaisten päätöksentekoon liittyvien harhojen vaikutusta kiinteistöjen kauppahintoihin. Tarkastelun kohteena oli toimistoja, teollisuuskohteita ja kokonaisia kerrostaloja. Aineisto kattoi Yhdysvaltojen 15 suurinta kiinteistömarkkinaa ja se käsitti yhteensä 144 588 kohdetta. Tutkimuksessa löydettiin jo aikaisemmissa tutkimuksissa todettu kaukaisempien ostajien maksama hintapreemio. Tässä tutkimuksessa preemio havaittiin kaikilla tutkituilla kiinteistötyypeillä ja markkina-alueilla. Lisäksi kiinteistömarkkinoiden tilalla ei ollut vaikutusta vaan preemio löydettiin niin nousu- kuin laskukaudella. Tutkimuksen todellinen tarkoitus oli paikkakunnan vaikutuksen tarkempi tarkastelu. Tässä tutkimuksessa löydettiin, että maantieteellinen etäisyys ostajan ja kohteen välillä selitti löydetyn preemion suurelta osin ja ankkuroitumisen vaikutus on huomattavasti vähäisempi. Tutkimuksessa havaittiin myös, että välittäjän käyttäminen korottaa kohteen ostohintaa, mikä on mielenkiintoinen tulos, koska välittäjille maksetaan heidän palveluista. Tulos on kuitenkin linjassa aikaisemman tutkimuksen kanssa, jossa Levitt ja Syversun (2008) tutkivat kiinteistönvälittäjän käyttämisen vaikutusta kauppahintaan. Aikaisempien tutkimusten tuloksia on hyvä peilata tuloksia tämän tutkimuksen toteutustapaan ja tavoitteisiin. Tässä tutkimuksessa tarkastellaan ostajan paikkakunnan vaikutusta kerrostaloasunnon kauppahintaan. Tarkastelu tapahtuu maantieteellisen etäisyyden ja hintatasojen erojen avulla. Tutkimus toteutetaan Suomen kahdeksaan suurimpaan kaupunkiin kohdistuvan asuntokauppa-aineiston avulla. Aineisto on asuntoihin keskittyneiden tutkimusten osalta laajin. Ling ym. (2014) tutki aihetta laajemmalla aineistolla, mutta sisälsi asuntojen sijasta toimistoja, teollisuuskohteita ja kerrostaloja. Ostajan ominaisuuksien vaikutusta kiinteistökaupassa on kokonaisuutena tutkittu jo aikaisemmin runsaasti. Tulokset ovat osittain ristiriitaisia, joten lisää tutkimusta tarvitaan. Suomen asuntomarkkinoiden osalta aikaisempaa tutkimusta aiheesta ei ole tehty. 23
Merkittävimmät kansainväliset tutkimukset ovat pääosin kohdistuneet kauppoihin, joissa osapuolina on tyypillisesti yrityksiä ja ammatillisia toimijoita. Tässä tutkimuksessa käsitellään pääosin yksityisten henkilöiden tekemiä asuntokauppoja. Kansainvälisissä tutkimuksissa on tarkasteltu myös asuinkiinteistöjä ja osassa tapauksissa kohteena on ollut kokonaisia kerrostaloja yksittäisten asuntojen sijaan. Tällä tutkimuksella on tieteellistä uutuusarvoa aikaisempaan tutkimukseen nähden kahdella osa-alueella. Tutkimuksessa tarkastellaan ilmiötä yksittäisten asuntojen osalta suurella ja maantieteellisesti laajalla aineistolla, mutta tutkitaan myös ensimmäisenä ostajan ominaisuuksien vaikutusta asuntokauppaan Suomessa. 3.7 ASUNNON ETSINTÄMALLI Tässä tutkimuksessa asunnon etsintäprosessia kuvataan teoreettisella mallilla. Tarkoituksena on siis tarkastella ilmiötä teoreettisella tasolla ja tästä saatavia tuloksia voidaan testata työn empiirisessä osiossa. Malli pohjautuu aikaisempaan tutkimukseen ja erityisesti työhön, jonka Lambson ym. (2004) on tehnyt. Lambson ym. (2004) perusti omassa tutkimuksessa käytetyn etsintämallin työhön, jota mm. Turnbull ja Sirmans (1993), Cronin (1982) ja Wheaton (1990) ovat tehneet aikaisemmin. Teoreettisessa etsintämallissa oletetaan, että markkinoilla myytävät kohteet ovat keskenään homogeenisiä eli ominaisuuksiltaan samanlaisia. Kohteen todellinen markkina-arvo on tässä mallissa v (0, ) ja se on myyjästä riippumaton sekä suuruudeltaan vakio. Asuntojen myyjät ovat kuitenkin heterogeenisiä eli keskenään erilaisia. Myyjät ovat siis valmiita luopumaan asunnoista hinnalla, joka vaihtelee myyjästä riippuen. Lambsom ym. (2004) mukaisesti tätä vaihtelua kuvastaa f(p), joka on asuntojen myyntihintojen oletettu tiheysfunktio. Toisin sanoen F(p) on todennäköisyys, että ostaja löytää myyjän, joka suostuu myymään kohteen enintään hinnalla p (0, ). Myytävän kohteen hinta voi siis saada arvoja nollan ja äärettömän välillä. Yksinkertaisuuden vuoksi tässä tutkimuksessa oletetaan, että F(p) (0, 1). Todennäköisyysjakauma on lisäksi normaalijakautunut ja sen painopisteenä on kohteen markkina-arvo p. Lisäksi määritellään, että ostajan saamat aikaisemmat tarjoukset eivät vaikuta todennäköisyysjakaumaan F(p) eli toisin sanoen mahdollisia kohteita on ääretön määrä. 24
KUVA 10 MYYJIEN MYYNTIHINTOJEN TODENNÄKÖISYYSJAKAUMA Tämän tutkimuksen etsintämallissa ostajat ovat heterogeenisiä. Ostajat ovat muilta ominaisuuksiltaan samanlaisia, mutta heidän etsintäkustannukset ja käsitys hintatasosta ovat erilaiset. Lambson ym. (2004) käyttivät omassa mallissaan lisäksi ostettavien asuntojen lukumäärää ja tarjouksien määrää ostajia erottavina tekijöinä. Tämän tutkimuksen aiheen kannalta ne eivät ole olennaisia, joten niitä ei ole säilytetty tässä mallissa. Mallissa ostajan etsintäkustannuksilla tarkoitetaan kuluja, jotka syntyvät yhden tarjouksen saamisesta. Etsintäkuluihin kuuluu esimerkiksi matkustuskustannukset, kuntotarkastukset, paikalliseen markkinaan tutustuminen ja prosessiin kuluvan ajan vaihtoehtoiskustannus. Toisella paikkakunnalla asuvalla henkilöllä kuluu esimerkiksi matkoihin enemmän aikaa, joten hänelle kohteisiin tutustuminen on kalliimpaa. (ks. luku 3.5). Kaupankäyntiin liittyvää prosessia on Lambson ym. (2004) mukaisesti yksinkertaistettu. Ostajan saamalla tarjouksella tarkoitetaan tässä tapauksessa hintaa, jolla myyjä on valmis myymään kohteen. Tutkimuksessa on oletettu, että myyjä on valmis luopumaan asunnosta hinnalla, joka voidaan selvittää vain tutustumalla asuntoon ja neuvottelemalla kohteesta myyjän kanssa. Oletuksena on, että ostaja ei tiedä yksittäisen myyjän todellista myyntihintaa etukäteen vaan se paljastuu vasta kun etsintäkustannus on maksettu. Hinta määräytyy satunnaisesti todennäköisyysjakauman F(p) mukaisesti. Etsintäkustannus, c (0, ), vaihtelee eri ostajien välillä ja voi saada arvoja nollan ja äärettömän väliltä. Toinen ostajia erottava tekijä tässä tutkimuksessa on käsitys kohteen hintatasosta. Teoriassa tämä tarkoittaa sitä, että ostajien uskomus asuntojen hintojen 25
todennäköisyysjakaumasta F(p) vaihtelee. Matemaattisesti tämä on toteutettu Lambson ym. (2004) mukaisesti eli ostajien käsitys asuntojen hintojen jakautumisesta on F(p, b). Tässä tutkimuksessa b ( 1, 1) on muuttuja, joka kuvaa ostajan virheellistä käsitystä asuntojen hinnoista. Määritellään, että positiivinen b kuvastaa ostajaa, jonka käsitys alueen hintatasosta on todellista korkeampi. Vastaavasti negatiivinen b tarkoittaa, että ostaja uskoo asuntojen hintojen olevan alhaisempia kuin ne todellisuudessa ovat. Oletuksena on, että F(p, b) on muodoltaan samanlainen kuin F(p). Tällöin b aiheuttaa ainoastaan sivuttaissiirtymän, jolloin todennäköisyysjakauman painopiste siirtyy joko halvempaan tai kalliimpaan suuntaan. Positiivinen b:n arvo tarkoittaa siis, että ostaja yliarvostaa kyseistä aluetta ja vastaavasti negatiivinen arvo tarkoittaa ostajan aliarvostavan aluetta. Ostajalla on todellisuudesta poikkeavia käsityksiä alueen hintatasosta ja tämä saa tarjoukset näyttämään todellista kalliimmilta tai halvemmilta. Tämä on havainnollistettu alla olevassa kuvaajassa. KUVA 11 OSTAJAN HINTAKÄSITYKSEN B VAIKUTUS KUVITELTUUN TODENNÄKÖISYYSJAKAUMAAN. Lambson ym. (2004) mukaisesti ostajan kokonaiskustannus koostuu asunnon hinnan lisäksi sen etsintään kuluvista kustannuksista. Lisäksi oletamme, että kerran hylätyt tarjoukset menetetään eli niihin ei voi enää jälkeenpäin palata. Tämä yksinkertaistaa malliamme, mutta kuvastaa myös osittain todellisuutta, koska asunto on voitu myydä jo toiselle ostajalle tarjouksen hylkäämisen jälkeen. Lambsonin ym. (2004) perustuen oletamme, että ostamisen ajankohdalla ei ole vaikutusta eli kohteita ei diskontata ajan suhteen. 26
Etsintämallin toimintasäännöt perustuvat Lambsonin ym. (2004) tutkimukseen. Maksamalla etsintäkustannuksen c ostaja löytää yhden satunnaisen myyjän, joka on valmis myymään omistamansa asunnon hinnalla p. Hyväksymällä kyseisen myyntitarjouksen ostajan kohteesta maksama yli- tai alihinta on v - p (0, ). Päätös tarjouksen hyväksymisestä tai hylkäämisestä perustuu siihen, onko nykyisestä tarjouksesta saatava hyöty suurempi kuin seuraavan tarjouksen laskennallinen odotusarvo. Tämä tarkoittaa sitä, että jokaiselle ostajalle voidaan laskea optimaalinen strategia. Jokaiselle ostajalle määritellään hintakatto p*, joka on riippuvainen ostajan etsintäkustannuksista ja käsityksestä alueen hintatasosta. Hylättyjen tarjousten lukumäärä ei vaikuta hintakattoon, koska etsintäkustannukset ovat luonteeltaan uponneita kustannuksia, jotka on maksamisen jälkeen menetetty. Ostajan strategiana on ostaa asunto, jos sen hinta p on yhtä suuri tai alhaisempi kuin hintakatto p* ja strategia on samanlainen jokaisella kierroksella. Lambson ym. (2004) tutkimuksessa esiteltyä etsintämallia mukaillen ostajan optimaalisen hintakaton suuruus voidaan määrittää alla olevan kaavan avulla. Yhtälön vasemmalla puolella on kohteen markkina-arvon ja hintakaton erotus. Tarkoituksena on etsiä tilanne, jossa kyseinen erotus on mahdollisimman suuri. Samalla löydetään pienin mahdollinen hintakatto. Laskelmassa simuloidaan yhteen tarjoukseen liittyvää prosessia eli ostaja maksaa tarjouksen saamiseksi hinnan c, jonka jälkeen hän voi joka hylätä tai hyväksyä tarjouksen. v p = [1 F(p, b)](v p ) + p 0 (v p)f(p, b) dp c Laskelman oikea puoli koostuu näistä kolmesta osasta. Ensimmäinen osuus [1 F(p, b)](v p ) kuvastaa tapausta, jossa todennäköisyydellä [1 F(p, b)] ostaja löytää myyjän, jonka myyntihinta on suurempi kuin hintakatto p. Tällöin tarjous hylätään ja etsitään uusi tarjous. Uudella kierroksella markkina-arvon ja hintakaton erotus on sama kuin alkutilanteessa eli p. Toinen osuus kaavasta on p 0 (v p)f(p, b) dp. Tämä kuvaa tapausta, jossa ostaja löytää myyjän, jonka myyntihinta on pienempi tai yhtä suuri kuin hintakatto p. Tällöin tarjous hyväksytään ja ostaja saa kohteeseen liittyvän yli- tai alijäämän. Tämän suuruus saadaan integroimalla yli- tai alijäämää tiheysfunktion suhteen hintakattoon asti. Viimeinen osa yhtälöstä on ostajan maksama etsintäkustannus c, joka maksetaan jokaisella kierroksella. Etsintäkustannuksen suuruus ei riipu siitä hyväksytäänkö tarjous vai ei. (1) 27
Tarkastelemalla yhtälöä (1) voidaan huomata, että sille on yksinkertainen tulkinta. Yhtälön tasapainotila riippuu hintakaton suuruudesta. Yhden tarjouksen saamiseksi maksettava etsintäkustannus saa olla enintään asunnon ostamisesta saatavan hyödyn odotusarvon suuruinen. Tarkempaa analyysia varten yhtälöstä (1) on johdettu alla oleva etsintäkustannusten kaava. Tarkempi esitys johtamisen välivaiheista löytyy tämän työn liitteistä kohdasta (ks. liite 1). c = p 0 (p p) f(p, b) dp Saatua etsintäkustannusten kaavaa lähdetään edelleen työstämään eteenpäin ja siitä saadaan muotoitua hintakatolle p seuraava kaava (ks. liite 2). p = p 0 p f(p,b) dp + c p 0 f(p,b) dp Hintakatto ja sen suuruus ovat olennainen osa tämän etsintämallin toimintaa, koska se määrittää rajan sille kuinka kalliin tarjouksen asunnon ostajan kannattaa vielä hyväksyä vai onko parempi jatkaa etsintää. Tässä tutkimuksessa hintakaton p suuruuteen vaikuttaa kaksi tekijää, jotka ovat ostajan etsintäkustannus c ja käsitys alueen hintatasosta b. Intuitiivisesti ajatellen molempien vaikutus hintakattoon pitäisi olla positiivinen eli ostajalle, jolla on korkeampi b tai c pitäisi olla myös suurempi hintakatto. Tämän testaamiseksi seuraamme Lambson ym. (2004) tutkimusta ja suoritamme osittaisderivoinnin hintakaton p funktiolle b:n ja c:n suhteen. Laskemalla osittaisderivoinnin c:n suhteen saadaan seuraava lopputulos (ks. liite 2). (2) (3) p c = 1 F(p,b) (4) Tarkastelemalla saatua lopputulosta voidaan havaita, että p c > 0. Tämä perustuu siihen, että F(p, b) (0, 1). Koska saatu osittaisderivaatta on aina positiivinen, niin korkeampi c:n arvo johtaa aina suurempaan hintakattoon. Lasketaan myös osittaisderivointi b:n suhteen (ks. liite 2). Osittaisderivoinnin tuloksena saadaan alla oleva yhtälö. p = p (p p) f b (p,b) 0 dp b F(p,b) Lopputulos on sama kuin Lambson ym. (2004) saivat tutkimuksessaan yhden asunnon tapauksessa. Lambson ym. (2004) osoittaa myös, että kyseinen osittaisderivaatta on aina suurempi kuin 0. (5) 28
p = p (p p) f b (p,b) dp 0 b F(p,b) > 0 (6) Molemmat osittaisderivaatat ovat kaikissa tapauksissa positiivisia. Tästä johtuen teoreettisen asunnon etsintämallin perusteella korkeampi etsintäkustannus tai hintakäsitys johtaa aina optimaalisen hintakaton korottumiseen. Ostaja on valmis maksamaan kohteesta korkeamman kauppahinnan. Tämä on intuitiivista ja on linjassa tutkimuksen alussa asetettujen hypoteesien kanssa. Näitä tuloksia testataan tarkemmin tutkimuksen empiirisessä osiossa, jossa kyseisiä ilmiöitä voidaan tutkia tilastollisen analyysin avulla. 29
4 METODOLOGIA Tässä luvussa tehdään kirjallisuuskatsaus tutkimuksessa käytetyistä menetelmistä. Kappaleessa käsitellään erilaisia hedonisia hintamalleja ja niiden ominaisuuksia. Lisäksi tarkastellaan regressionanalyysissa yleisesti käytettyjä hintatekijöitä aikaisemmissa tutkimuksissa. 4.1 ASUNNON HINTATEKIJÄT Kiinteistö on heterogeeninen hyödyke eli jokainen yksilö on ominaisuksiltaan erilainen. Sijainti on jokaisella kiinteistöllä erilainen, joten muilta ominaisuksiltaan vastaavanlaiset kiinteistöt ovat viimeistään sijainniltaan poikkeavat (Laakso 1997 s. 24). Kiinteistöllä on periaatteessa loputon lukumäärä ominaisuuksia, jotka voivat vaikuttaa sen arvoon. Näitä kutsutaan kiinteistön hintatekijöiksi. Tämä tekee kiinteistöjen keskinäisen vertaamisen ja täten arvottamisen hankalaksi. Rosen (1974) tutkimuksen perusteella voidaan kuitenkin sanoa, että jos tuotetta voidaan tarkastella sen yksittäisten ominaisuuksien perusteella, niin sen markkinahinta myös perustuu kyseisiin ominaisuuksiin. Kyseinen tutkimus on hedonisen regressioanalyysin kantateos ja regressioanalyysistä on sen jälkeen muodostunut yleinen työkalu kiinteistöihin liittyvässä tutkimuksessa. Tämä perustuu siihen, että regressioanalyysin avulla asunnon arvo voidaan yksinkertaisesti esittää sen yksittäisten osien arvojen summana (Malpezzi 2003, s. 2-3). Pelkistetty versio regressioanalyysista saatavasta hintafunktiosta on seuraava. Hinta = f (Fyysiset ominaisuudet, muut tekijät) Regressioanalyysin perustava idea on yksinkertainen, mutta käytännössä törmätään seuraavaan ongelmaan: Mitkä nämä ominaisuudet ovat? Teoriassa mahdollisia ominaisuuksia on loputon määrä, mutta todellisuudessa asiaa rajoittaa esimerkiksi saatavan tiedon rajallisuus. Tehdyissä tutkimuksissa kauppahinnan mallintamisessa on käytetty suhteellisen pientä määrää muuttujia (Sirmans ym. 2005). Valitut muuttujat ovat yleensä asunnon fyysisiä ominaisuuksia kuten pinta-ala, huoneiden lukumäärä tai sijainti (Sirmans ym. 2005). Näitä muuttujia kutsutaan asunnon hintatekijöiksi. Käytännössä muuttujavalinnat tehdään käytössä olevan aineiston perusteella ja suurimmassa osassa tutkimuksissa asunnon ominaisuuksia kuvaavat muuttujat ovat pääosin samoja. Sirmans ym. (2005) tarkasteli 125 kiinteistöihin liittyvää tutkimusta, joissa käytettiin regressioanalyysia. Tämän pohjalta listattiin 20 yleisintä käytettyä hintatekijää ja niiden vaikutus. Tämä lista on esitelty alla olevassa kuvassa 12. Kuvassa esiintyvä termi Ln tarkoittaa logaritmista muutosta, josta kerrotaan enemmän luvussa 4.2. 30
Muuttuja Havainnot Positiivinen vaikutus Negatiivinen vaikutus Ei vaikutusta Tontin pinta-ala 52 45 0 7 Ln Tontin pinta-ala 12 9 0 3 Asuin pinta-ala 69 62 4 3 Ln Asuin pinta-ala 12 12 0 0 Tiili 13 9 0 4 Ikä 78 7 63 8 Kerrosten lkm 13 4 7 2 Vessojen lkm 40 34 1 5 Huoneiden lkm 14 10 1 3 Makuuhuoneiden lkm 40 21 9 10 Kylpyhuoneiden lkm 37 31 1 5 Takka 57 43 3 11 Ilmastointi 37 34 1 2 Kellari 21 15 1 5 Autotalli 61 48 0 13 Terassi 12 10 0 2 Uima-allas 31 27 0 4 Etäisyys 15 5 5 5 Myyntiaika 18 1 8 9 Myyntiajankohta 13 2 3 8 KUVA 12 KAKSIKYMMENTÄ YLEISINTÄ MUUTTUJAA HEDONISESSA REGRESSIOANALYYSISSÄ (SIRMANS YM. 2005) Hedonista analyysia käytetään runsaasti kiinteistöihin liittyvässä tutkimuksessa, mutta muuttujien vaikutusten suuruus ja suunta vaihtelevat eri tutkimuksissa (Zietzs ym, 2008). Tämä on ongelmallista, koska periaatteessa tarkastellaan samaa asiaa, vaikka markkinat, aineistot ja menetelmät vaihtelevat tutkimuksissa. Aikaisemman tutkimuksen (Sirmans ym. 2005) perusteella tiedetään, että eri hintatekijöiden arvostus riippuu esimerkiksi maantieteellisen sijainnista tai ostajan ominaisuuksista. Uima-allasta arvostetaan todennäköisesti enemmän alueilla, joissa on korkeampi keskilämpötila. Toisaalta asuntoon kuuluva autopaikka on arvokkaampi autoa tarvitsevalle ostajalle. Jokainen ostaja arvostaa siis tietynlaista ominaisuuksien kokonaisuutta ja täten asunnon arvo vaihtelee ostajien kesken (Sirmans ym. 2005). Sirmans ym. (2006) tutki asiaa tarkemmin. Tutkimuksessa tarkasteltiin yleisesti käytettyjä hintatekijöitä tekemällä meta-analyysin kiinteistöihin liittyvistä tutkimuksista, joissa on käytetty hedonista analyysia. Tarkastelun kohteena oli 71 tutkimusta. Tutkimuksessa tarkasteltiin seuraavia muuttujia: pinta-ala, tontin koko, ikä, makuuhuoneiden lkm, kylpyhuoneiden lkm, autotalli, uima-allas, takka ja ilmastointi. Suurin osa muuttujista oli riippuvaisia sijainnista eli vaikutuksen suuruus vaihtelee alueittain. Käytetyllä tietolähteellä oli vaikutusta kohteen iän, huoneiden lkm ja takan osalta. Tutkimuksessa tarkasteltiin myös ajan vaikutusta aikavälillä 1976-2003. Tarkastelun kohteena olevista hintatekijöistä ainoastaan kohteen iän vaikutus muuttui ajan suhteen. 31
Zietzs ym. (2008) tutkivat samaa aihetta ja lineaarisen regression (OLS) avulla tarkastelivat muuttujien vaikutusta asunnon kauppahintaan eri hintaluokissa. He löysivät, että tutkittujen hintatekijöiden vaikutus vaihtelee eri hintaluokkien välillä. Toisin sanoen hintatekijöiden vaikutus ei ole yhtenäinen eri hintaisissa kohteissa. Loogisesti ajatellen tämä on hyvin järkevää, koska eri ominaisuuksien merkitys vaihtelee erilaisissa kohteissa. Yleisesti ottaen suurimmassa osassa tutkimuksissa tärkeintä on, että valitut muuttujat toimivat regressioanalyysissa riittävän hyvin. Hintatekijöiden tarkoitus on selittää asuntojen välistä hintavaihtelua ja jos valittujen hintatekijöiden avulla saadaan tutkimuksen kohteena ilmiö esille, niin tarkkuus on riittävä. Yleisesti on tarjolla vain vähän tutkimuksia, joissa tarjotaan suosituksia mitä muuttujia tulisi käyttää kiinteistöihin liittyvässä regressioanalyysissa. Tarkastelemalla aikaisempia tutkimuksia voidaan löytää yleisemmin käytetyt muuttujat, mutta niiden käyttäminen ei välttämättä takaa parasta lopputulosta. Käytettävien muuttujien valinta perustuu suuresti käytössä olevan aineiston ja tarkasteltavan ongelman ominaisuuksiin. Tutkimuksissa käytettävät aineistot eroavat toisistaan ja ne kuvastavat eri markkinoita, joten muuttujavalinnat tulisi tehdä oman tutkimuksen lähtökohtien perusteella. Tutkimuksen tekijän pitäisi myös ymmärtää miksi kyseinen metodi tai hintatekijä on valittu. Esimerkin seuraaminen voi johtaa ongelmiin, jos saatua lopputulosta tai siihen liittyviä oletuksia ei ymmärrä. Tässä tutkimuksessa käytettävät hintatekijät on esitelty tarkemmin aineistoa kuvaavassa kappaleessa (ks. kappale 5.3). 4.2 HEDONINEN HINTAMALLI Tutkimuksen empiirisessä osuudessa analysoidaan asuntojen kauppa-aineistoa. Käytettävä tutkimusmetodi on hedoninen regressioanalyysi. Regressioanalyysista on olemassa lukuisia eri variaatioita, joista lineaarinen versio on yksinkertaisin. Sitä käytetään yleisesti, koska se on joustava ja sitä on helppo käyttää (Cohen ym. 2013, s. 1). Asuntojen tapauksessa, jos tutkittavana muuttujana on asunnon hinta euroissa, niin ominaisuuksien vaikutus saadaan myös suoraan euromääräisenä. Tämä vähentää inhimillisen virheen mahdollisuutta, koska mahdolliset virheet ja poikkeamat on helpompi tunnistaa saaduista tuloksista. Kyseessä on tärkeä ominaisuus, koska regressioanalyysissa pienetkin virheet voivat vaikuttaa mallin lopputuloksiin merkittävästi (Cohen ym. 2013, s. 391). Tulosten järkevyyden tarkastelu on tärkeätä ja se on huomattavasti helpompaa, jos tulokset ovat helposti tulkittavissa. Yksinkertaisuuden vastapainona lineaarisessa regressioanalyysissa on myös huomattavia vajaavaisuuksia (Cohen ym. 2013, s. 479) Nimensä mukaisesti se olettaa tutkittavan ilmiön ja siihen vaikuttavien muuttujien välisen suhteen lineaariseksi. Tämä on harvoin totta, 32
mutta useissa käyttötarkoituksissa se on approksimaationa riittävän lähellä totuutta. Esimerkiksi asunnon iän vaikutuksen on havaittu olevan vanhempien rakennusten arvonnousun johdosta U-muotoinen (Laakso 1997 s. 253). Tämän tapaisen ilmiön tutkimisen yhteydessä lineaarinen metodi ei tuota hyvää lopputulosta. Ongelma voidaan tosin ohittaa myös jakamalla alkuperäinen muuttuja eri luokkiin iän suhteen ja tarkastelemalla asiaa luokkamuuttujan avulla. On kuitenkin tapauksia, jossa astetta monimutkaisemman hintamallin käyttäminen on tarpeen (Cohen ym. 2013, s. 479). Käytetyn metodin valintaan ei ole selkeitä sääntöjä (Malpezzi 2003, s. 20). On kuitenkin havaittu, että semi-logaritmisella mallilla on selkeitä etuja lineaariseen malliin verrattuna (Malpezzi 2003, s. 20). Kyseessä on lineaarisen regressioanalyysin osittain logaritminen variaatio. Kyseisessä mallissa tutkittava muuttuja eli asunnon hinta on muutettu muotoon Ln (asunnon hinta), mutta hintatekijöihin ei ole tehty muutoksia (Malpezzi 2003, s. 20). Tällä metodilla saadut tulokset eivät ole suoraan luettavissa, mutta lopulliset tulokset voidaan laskea helposti prosentuaalisina muutoksina (Cohen ym. 2013, s 221). Saatuja tuloksia on vaikeampi tulkita, mutta malli mahdollistaa muuttujan monimuotoisemman vaikutuksen selittämisen (Malpezzi 2003, s. 20). Myös heteroskedastisuus on pienempi ongelma kuin lineaarisessa mallissa (Cohen ym. 2013, s 221). Tässä tutkimuksessa käytetään semi-log metodia, koska tarkastelun kohteena oleva aineisto on peräisin eri alueilta. Koska valitut hintatekijät eivät välttämättä käyttäydy eri alueilla samalla tavalla tai saa samaa rahallista arvoa niin logaritmisen muutoksen käyttäminen parantaa mallin toimintaa (Malpezzi 2003, s. 20). 4.3 AINEISTON TESTAAMINEN Regressioanalyysin perustana on käytettävä aineisto ja sen laatu. Aineiston keräämisessä on käytettävä suurta huolellisuutta ja lähteiden luotettavuuteen on suhtauduttava kriittisesti. Usein aineisto saadaan muodossa, jossa sen alkuperäistä lähdettä tai keräysmetodia ei pysty itse tarkastamaan. Läpinäkyvyyden puute on ongelma, mutta tärkeintä on mahdollisten virhelähteiden tunnistaminen ja tiedostaminen. Regressioanalyysin kannalta suurin ongelma on selkeästi normaalista poikkeavat arvot, jotka vaikuttavat koko mallin tasapainoon. Hyvä esimerkki tällaisesta ongelmasta on kauppahintaan virheellisesti lisätty ylimääräinen nolla. Tuloksena on kohde, jonka arvo on virheellisesti kymmenkertainen. Tämäntapainen poikkeava arvo eli outlier voi vaikuttaa tulokseen merkittävästi (Cohen ym. 2013, s. 390). Tässä tutkimuksessa tärkein tietolähde on Kiinteistömaailma Oy:n sisäisestä järjestelmästä saatu kauppa-aineisto. Aineisto perustuu tietoihin, jotka kiinteistönvälittäjät syöttävät 33
järjestelmään toteutuneen asuntokaupan jälkeen. Kyseessä on inhimillinen prosessi, joten on luonnollista, että osa syötetyistä tiedoista voi olla virheellisiä. Näiden virheiden tunnistaminen ja poistaminen mahdollisimman laajasti on tärkeä osa tutkimuksen laadun varmistamista. Lajittelemalla tutkittavaa aineistoa eri muuttujien suhteen voidaan havaita osa poikkeamista. Erityisesti hyvin suurten tai pienten arvojen tarkastelun avulla voidaan suodattaa selkeästi virheelliset tiedot. Haastavampaa on löytää aineistosta soluja, joiden tiedot ovat kyseiselle muuttujalle normaaleja, mutta kyseiselle kohteelle virheellisiä. Tämän tyyppisten virheiden todentaminen ei onnistu luotettavasti, jos tietoja ei pysty tarkistamaan toisesta tietolähteestä. Osa epäilyttävien kohteiden tiedoista tarkastettiin kauppakirjoista. Aineiston laajuuden vuoksi kaikkia puutteellisia tietoja ei manuaalisesti korjattu vaan osa kaupoista poistetiin tutkittavasta aineistosta. Toinen tärkeä tutkimuksessa käytettävä tietolähde on Tilastokeskuksen julkaisemat alueiden raportoidut keskimääräiset neliöhinnat. Nämä tilastot perustuvat asunnoista maksettavaan varainsiirtoveroon, joten Tilastokeskuksen aineisto perustuu Suomen koko asuntomarkkinoihin. Tilastokeskus on suomalainen, valtiovarainministeriön alaisuudessa toimiva viranomainen, jonka tarkoitus on kerätä tietoa ja julkaista tilastoja. Aineiston keräämisen ja jalostamisen yhteydessä tapahtuva huolimattomuusvirhe on mahdollinen virhelähde tutkimuksen tekijän osalta. Datan jalostaminen muotoon, jossa sitä voi käsitellä tilastollisin menetelmin, on erityisen riskialtis työvaihe. Kyseessä on manuaalinen prosessi, jossa on mahdollista tehdä virheitä, jotka vääristävät regressioanalyysin tulokset. Erityisesti muuttujanmuutokset tulee tehdä huolella. Tämän takia aineiston tarkastaminen pitäisi suorittaa myös jalostamisen jälkeen. Aineiston keräämisen ja jalostamisen jälkeen suoritetaan itse regressioanalyysi. Saatuja tuloksia testataan vielä analyysin jälkeen mahdollisien ongelmien varalta. 4.4 TILASTOLLINEN TESTAUS Käytetyn aineiston ja tehdyn analyysin tilastollinen testaus on tärkeä osa regressioanalyysia (Cohen ym. 2013, s. 101-102). Syvemmän ymmärryksen ja luotettavien tulosten saavuttamiseksi tehtyä analyysia täytyy tarkastella tarkemmin (Cohen ym. 2013, s. 101-102). Käytettäessä lineaarisista regressioanalyysia tehdään tiettyjä lähtöoletuksia, joiden paikkaansa pitävyys täytyy tarkistaa. Näiden oletusten laiminlyönti voi aiheuttaa ongelmia ja kyseenalaistaa saadut tulokset (Cohen ym. 2013, s. 101-102). Tässä kappaleessa on esitelty tutkimuksessa tehtyjä tilastollisia tarkistuksia. 34
Multikollineaarisuus. Muodostaa ongelman, jos kaksi muuttujaa korreloi keskenään voimakkaasti. Mahdollista jos kaksi tai useampi muuttuja kuvastaa samaa reaalimaailman ilmiötä. Yleisin tapa testata asia on VIF (Variance Inflation Factor). Nyrkkisääntönä voidaan pitää sitä, että suuruudeltaan 10 ylittävät VIF-arvot kertovat mahdollisesta ongelmasta (O Brien 2007). Esimerkiksi tässä aineistossa kuntoluokka Erinomainen ja uudiskohteeksi merkityt kohteet korreloivat keskenään melkein täydellisesti ja se aiheutti ongelmia näiden muuttujien tulkinnan suhteen. Ratkaisuna tähän lopulliseen malliin valittiin vain toinen eli uudiskohteiden erillinen muuttuja jätettiin pois. Lopullisessa hintamallissa multikollineaarisuus ei ollut merkittävä ongelma. Suurimman VIF-arvon sai kohteen pinta-ala. Tämä oli odotettua, koska se korreloi huoneiden lukumäärän kanssa, mutta saatu arvo 7,5 oli vielä suhteellisen pieni ja ei ylittänyt raja-arvoa. Poikkeavat havainnot. Tutkiessa suurta aineistoa mukaan mahtuu mukaan yleensä myös tavallisuudesta poikkeavia havaintoja. Nämä voivat olla virheellisiä havaintoja tai ominaisuuksiltaan harvinaisia kohteita. Virheelliset havainnot tulisi poistaa, kun ne huomataan. On kuitenkin tilanteita jossa tiedot ovat oikein, mutta nämä yksittäiset havainnot haittaavat koko mallin toimintaa (Cohen ym. 2013, s. 390). Tällöin on oikeutettua poistaa yksittäisiä selvästi poikkeavia havaintoja suuremman hyödyn nimissä. Tämä kuitenkin rajoittaa analyysin käyttöä. Jos aineistosta on poistettu esimerkiksi runsaasti arvokiinteistöjä, niin saatujen tulosten soveltaminen samantyylisiin kohteisiin on ongelmallista. Tässä tutkimuksessa aineistosta on poistettu virheellisten tietojen lisäksi yksittäisiä kohteita, jotka ovat olleet poikkeuksellisen kalliita tai halpoja. Hajontakuviot. Mallissa käytettyjen muuttujien käytöstä voidaan tarkastella visuaalisesti hajontakuvioiden avulla (Cohen ym. 2013, s. 102-103). Selkeästi havaittavat trendit ovat pääosin hyvä merkki muuttujan toiminnasta. Hajontakuvio, joka vaikuttaa satunnaiselta kertoo siitä, että muuttujalla ei ole selkeää vaikutusta. Tämä ei välttämättä tarkoita sitä, että reaalimaailman ilmiöllä, jota muuttuja kuvastaa, ei ole vaikutusta. Kuitenkin jos selkeää yhteyttä ei ole havaittavissa, niin muuttuja ei todennäköisesti toimi halutulla tavalla. Histogrammi. Residuaalien jakaumaa voidaan tarkastella histogrammin avulla. Ideaalisesti residuaalit ovat jakautuneet normaalikäyrän mukaisesti nollan molemmille puolille. (Cohen ym. 2013, s. 103) Käytännössä näin ei yleensä tapahdu, mutta visuaalisella tarkastelulla voidaan varmistaa, että poikkeama ei ole liian suuri. Selkeät poikkeamat normaalista kertovat mahdollisesta ongelmasta mallissa. Heteroskedastisuus. Kyseinen ongelma on kyseessä, jos mallin residuaalien varianssi ei ole jakautunut tasaisesti tai satunnaisesti (Cohen ym. 2013, s. 130). Toisin sanoen ongelmia 35
syntyy, jos residuaalit käyttäytyvät systemaattisesti jonkin muuttujan suhteen. Esimerkiksi jos neliöhinnan residuaalit kasvavat selkeästi asunnon pinta-alan kasvaessa niin se kertoo siitä, että malli ei toimi oikein suurempien asuntojen kohdalla. Lineaarisuus. Tutkimuksen empiirinen osuus tehdään semi-log regressioanalyysilla (ks. kappale 4.2). Kyseessä on lineaarisen regressioanalyysin muutos ja oletuksena on, että muuttujat käyttäytyvät lineaarisesti (Cohen ym. 2013, s. 125-126). Tutkimuksessa käytettyjen muuttujien lineaarisuus tulee tutkia ja tarvittaessa tehdä muutoksia. Lineaarisuuden tutkimiseen on olemassa testejä, mutta yksinkertaisin tapa on tutkia asiaa visuaalisesti hajontakuvioiden avulla. Esimerkkinä tästä on alla esitelty miten velattomat kauppahinnat jakautuvat rakennusvuoden mukaisesti. Kuvasta voidaan havaita, että vaikutus ei ole täysin lineaarinen vaan jopa hieman u-mallinen. Tämän takia rakennusikää ei tässä tutkimuksessa huomioida jatkuvalla muuttujalla vaan se on jaettu luokkiin. KUVA 13 VELATTOMAN KAUPPAHINNAN JAKAUTUMINEN RAKENNUSVUODEN MUKAAN Kokonaisselitysaste. Regressioanalyysissa tärkeä tapa mitata mallin toimivuutta on tarkastella sen kokonaisselitysastetta, joka on merkiltään R 2 (Cohen ym. 2013, s. 91). Kokonaisselitysaste ilmaisee, kuinka suuren osan tutkittavan ilmiön varianssista malli pystyy selittämään. Kokonaisselitysaste voi saada arvoja 0 ja 1 väliltä ja lähtökohtaisesti suurempi arvo on parempi. Kyseessä on kuitenkin vain yksi indikaattori, joten arvio mallin toiminnasta tulisi tehdä laajemmin kuin pelkän kokonaisselitysasteen perusteella. 36
Havainnon ajankohta. Tutkimuksessa käytetty aineisto on kerätty kymmenen vuoden ajanjaksona. Tämän takia tulee huomioida se, että tulkittava ilmiö ja sen käytös voi muuttua tarkasteluajan aikana. Asuntomarkkinat muuttuvat jatkuvasti ja eri alueiden hintatasot vaihtelevat ajan suhteen. Tämän takia mallissa on käytetty kaupantekokuukauden osoittavia dummy-muuttujia eli on luotu aikasarja. Luodun aikasarjan tulisi huomioida asuntomarkkinoiden hintatason muutos ja sen vaikutus kauppahintaan. Mallin muihin muuttujiin aikasarja ei kuitenkaan vaikuta vaan oletuksena on se, että paikkakunnan vaikutus ei ole merkittävästi muuttunut tutkittavan ajanjakson aikana. Sama pätee myös muihin hintatekijöihin eli oletuksena on, että esimerkiksi saunan arvostus ei ole muuttunut merkittävästi viimeisen kymmenen vuoden aikana. Havainnon sijainti. Aikaisemmin todettiin, että suurin osa hintatekijöistä on riippuvaisia sijainnista eli vaikutuksen suuruus vaihtelee eri alueilla (ks. luku 4.1). Tämä aiheuttaa ongelmia, jos tutkittava aineisto on peräisin usealta erilliseltä markkina-alueelta. Tarkastelemalla tutkimukseen valittujen kahdeksan kaupungin hintatasoja voidaan havaita, että niissä on selkeitä eroja. Hintatekijät vaikuttavat eri lailla eri kaupungeissa. 37
5 AINEISTO Tässä luvussa tarkastellaan tutkimuksen empiirisessä osuudessa käytettyä aineistoa. Aineiston tietolähteet esitellään ja siihen tehdyt muutokset ja korjaukset eritellään. Myös aineiston jakautuminen tärkeimpien ominaisuuksien suhteen näytetään taulukoiden avulla. Lisäksi aineistosta on laskettu tilastollisia tunnuslukuja. 5.1 TUTKIMUKSEN AINEISTO JA KÄYTETYT TIETOLÄHTEET Tutkimuksessa käytettävän kerrostalohuoneistojen kauppa-aineiston koko on 39 952 kpl ja kaupat ovat tapahtuneet vuosina 2005-2015. Tutkimus on rajattu kahdeksaan suomalaiseen kaupunkiin. Valitut kaupungit ovat Suomen kahdeksan suurinta kaupunkia, jotka ovat: Espoo, Helsinki, Lahti, Jyväskylä, Tampere, Turku, Oulu ja Vantaa (Tilastokeskus b 2015). Nämä kaupungit ovat myös asuntokauppojen lukumäärän perusteella Suomen suurimmat asuntomarkkinat (Tilastokeskus a 2015). Alkuperäisen aineiston suuruus on kokonaisuudessaan 111 902 kpl, joka sisältää kerrostalohuoneistojen lisäksi asuinkiinteistöjä, tontteja, autopaikkoja, lomakiinteistöjä ja muita kohteita. Myytyjen kohteiden tietojen lisäksi aineisto sisältää tiedot asunnon ostajan paikkakunnasta ja postinumerosta. Käytettävissä oli myös ostajan tarkka osoite, mutta tässä tutkimuksessa ostajan sijainnin vaikutusta ei tutkita postinumeroaluetta tarkemmalla tasolla. Ostajan henkilöllisyyttä tai muita ominaisuuksia ei tiedetä eikä niitä tässä tutkimuksessa huomioida. Ostajan tiedot saadaan Kiinteistömaailman sisäisestä järjestelmästä. Tutkimuksessa tarkastellaan myös ostajan paikkakunnan asuntomarkkinoiden hintatason vaikutusta. Tämä tieto on peräisin Tilastokeskuksen osakeasuntojen hintoja seuraavasta tilastosta (Tilastokeskus d 2015) Tutkimuksessa on käytössä kattavat tiedot myydyistä kohteista ja niiden velattomat kauppahinnat. Tärkeimmät asuntojen ominaisuuksia koskevat muuttujat ovat esimerkiksi pinta-ala, sijaintitiedot, huoneiden lukumäärä ja huoneiston kunto. Valitut hintatekijät esitellään tarkemmin luvussa 5.3. Kohteiden ominaisuudet ovat peräisin Kiinteistömaailma Oy:n toimittamasta kauppa-aineistosta. Tutkimuksessa käytettävä kauppa-aineisto on peräisin Kiinteistömaailma Oy:n sisäisestä järjestelmästä. Kiinteistömaailma on merkittävä suomalainen kiinteistönvälitysyhtiö. Alkuperäinen kauppa-aineisto sisältää kaikki Kiinteistömaailman tekemät kiinteistö- tai osakekaupat vuosilta 2005-2015. Tutkimuksen aiheen rajauksen vuoksi aineistosta on poistettu ylimääräiset kohteet ja jäljelle jää valittujen kahdeksan kaupungin kerrostalohuoneistojen kaupat. 38
Kiinteistömaailma Oy:n kautta tutkimuksen käytössä olisi ollut myös Kiinteistönvälitysalan keskusliiton eli KVKL:n ylläpitämä HSP hintaseurantapalvelu, joka kattaa laajasti suomalaisten kiinteistönvälittäjien tekemät asuntokaupat. Tämä olisi merkittävästi laajentanut tutkimuksen aineiston suuruutta. Kyseinen aineisto ei kuitenkaan sisällä tutkimuksen kannalta olennaisia tietoja asunnon ostajista, joten HSP:n tietoja ei voi hyödyntää tässä tutkimuksessa. Tutkimuksessa käytetään myös Tilastokeskuksen tilastoaineistoa. Tilastokeskus on suomalainen viranomainen, jonka tehtävä on kerätä tietoa ja julkaista virallisia tilastoja. Paikkakunnan asuntomarkkinoiden hintatason mittarina käytetään tässä tutkimuksessa kyseisen kunnan vanhojen kerrostaloasuntojen keskimääräistä neliöhintaa. Tieto keskimääräisestä neliöhinnasta löytyy melkein kaikista Suomen kunnista ja puuttuvat kunnat ovat hyvin pieniä. Tilastokeskus raportoi asuntojen hintakehitystä useilla mittareilla ja yksi neliöhinnan vaihtoehto olisi ollut hintaindeksi. Tilastokeskuksen raportoimat keskimääräiset neliöhinnat valituille kahdeksalle kaupungille vuosina 2005-2015 on esitelty alla olevassa taulukossa. TAULUKKO 2 ASUINHUONEISTOJEN KESKIMÄÄRÄISET NELIÖHINNAT (TILASTOKESKUS 2015) Koko maa Helsinki Espoo Vantaa Tampere Turku Lahti Jyväskylä Oulu 2005 1662 2653 2099 1693 1658 1387 1221 1360 1460 2006 1812 2933 2260 1838 1849 1514 1324 1452 1506 2007 1924 3138 2439 1977 1910 1591 1400 1556 1494 2008 1961 3187 2497 2040 1956 1571 1407 1563 1484 2009 1990 3227 2545 2069 1955 1588 1461 1620 1535 2010 2193 3618 2833 2284 2138 1738 1554 1727 1629 2011 2263 3797 2967 2324 2184 1743 1600 1812 1676 2012 2322 3920 3086 2380 2232 1800 1633 1807 1709 2013 2398 4116 3126 2435 2297 1857 1665 1859 1794 2014 2427 4175 3157 2473 2348 1884 1702 1898 1801 2015 2427 4188 3146 2395 2370 1916 1739 1902 1846 Tilastokeskus on julkaissut myös vanhojen vapaarahoitteisten asuntojen hinnat postinumeroalueittain vuosilta 2005-2015. Tämän avulla pystytään tarkastelemaan hintatason vaikutusta postinumeroaluiden tasolla. Tämä mahdollistaa tarkemman tiedon kuntien välisissä kaupoissa, mutta antaa mahdollisen tutkia myös kaupungin sisäistä muuttoliikettä. Huomattavasti suurempi osa kaupoista saisi hintatason muutoksen osalta muun arvon kuin 0, koska saman kaupungin sisäiset kaupat muodostavat suuren osan kaikista kaupoista. Ulkomaalaisten ostajien tapauksessa ostajan paikkakunnan asuntojen hintatietoa ei ole saatavilla. Ulkomaalaisten tekemät kaupat on poistettu tutkittavasta aineistosta. Tässä tutkimuksessa hintatason osalta on käytetty postinumerotason tietoja, koska se mahdollistaa tarkemman analyysin, vaikka osasta kohteista tätä tietoa ei löydy. 39
Myydyistä kohteista postinumeron hintataso löytyi 42435 kpl osalta ja ostajan postinumeron hintataso 40485 kaupan tapauksessa. Puuttuvien tietojen korjaamiseksi olisi voinut käyttää läheisen postinumeroalueen hintatasoa. Ei ole kuitenkaan selvää, kuinka luotettavaa tämä olisi ja tutkimukseen syntyisi lisäksi selkeä virhelähde. Tutkimuksessa valittiin kuitenkin poistaa nämä kaupat. Nämä syrjäisemmät seudut olisivat olleet erittäin mielenkiintoisia tämän tutkimuksen kannalta. Puuttuvia tietoja ei lähdetty korvamaan vaan kyseiset kaupat poistettiin. Tutkimuksen aineiston lopullinen koko on 39952 asuntokauppaa. Hintatietoa ei ole saatavilla kaikista postinumeroalueista, koska kauppoja ei ole yksinkertaisesti tehty näillä alueilla riittävästi. Tilaston julkaisemiseksi kauppoja tulee olla tehty vähintään 5 kpl. Tämän takia hintatasoa ei pystytä julkaisemaan pienemmiltä paikkakunnilta, joissa tehdään vain vähän kauppoja. Lisäksi Tilastokeskus julkaisee postinumerotasolla tietoja vain kerrostalohuoneistojen ja rivitalojen keskimääräisestä hintatasosta, joten asuinkiinteistöjen kauppoja ei huomioida hintatason tilastoinnissa. Tämä edelleen haittaa pienempien paikkakuntien tilastointia. Maanmittauslaitos julkaisee tietoja asuinkiinteistöjen kaupoista, mutta vertailukelpoisuuden vuoksi hintatasoa on arvioitu vain tilastokeskuksen tietojen perusteella. Tilastokeskuksen aineistosta saadaan myös tieto postinumeroalueiden sijainnista. Tämä tieto on saatavissa postinumeroalueen painopisteen koordinaatteina. Tämän tiedon avulla voidaan arvioida ostajan ja ostettavan kohteen maantieteellinen etäisyys. Postinumeroalueen keskimääräinen sijainti ei ole tarkka tieto ostajan tai kohteen sijainnista, mutta on riittävä estimaatti tämän tutkimuksen tarkoitukseen. Parempi tarkkuus olisi ollut mahdollista saada osoitteiden avulla, mutta tätä ei tehty tässä tutkimuksessa. Koordinaattien avulla luotiin Suomen postinumeroalueiden etäisyystaulukko. Etäisyys on tässä tapauksessa tasossa oleva suora etäisyys. Tämä saatiin laskemalla geodeettinen käänteistehtävä. Tämän tutkimuksen tarkoituksessa tämänkaltainen tasossa tehtävä approksimaatio kahden kohteen välisestä etäisyydestä on riittävä, koska etäisyyksissä riittää sadan metrin tarkkuus. Ostajan sijaintina on joka tapauksessa postinumeroalueen keskipiste, joten etäisyys ei ole edes lähtökohtaisesti tarkka tieto. Saatuja etäisyyksiä verrattiin Maanmittauslaitoksen karttapalvelun etäisyyslaskuriin mukaisiin arvoihin ja pitkilläkin etäisyyksillä tarkkuus oli hyvä. Tarkempi approksimaatio olisi laskea etäisyyksiä pallon- tai vertausellipsoidin pinnalla, jolloin huomioitaisiin maapallon pinnan kaarevuus. Vertausellipsoidi on ellipsoidi, joka parhaiten kuvastaa maapallon todellista muotoa. Tässä tutkimuksessa ei ole kuitenkaan 40
tarvetta huomioida maankaarevuutta, koska kaarevuuden vaikutus on pidemmälläkin matkalla metrien suuruusluokkaa (Vermeer 2016, s. 133) 5.2 AINEISTON ESITTELY Tässä luvussa käsitellään käytössä olevaa kauppahinta-aineistoa ja tarkastellaan sen tarkempia ominaisuuksia. Tämä antaa syvemmän kuvan tutkimuksen taustalla olevasta tiedosta. Tuloksien mahdollisia poikkeamia tai erikoisuuksia pystytään myös paremmin käsittelemään, kun taustalla oleva aineisto ja sen ominaisuudet tiedetään tarkemmin. Tämä on tärkeää myös sen takia, koska tutkimuksen tuloksia on tarkoitus laajentaa koko Suomen asuntomarkkinoille, vaikka tarkastelu perustuu vain osaan markkinoilla tehdyistä kaupoista. Tällöin pitää huomioida se, jos jokin alue tai asuntotyyppi on yli- tai alikorostettu tehdyssä analyysissä ja arvioida miten se vaikuttaa tulosten yleistämiseen. Tässä luvussa aineistoa tarkastellaan useista eri näkökulmista, jotka on katsottu tutkimuksen kannalta oleellisia. Tällä tavalla saadaan riittävän kattava kuva kokonaisuudesta. Taulukossa 3 esitellään käytössä olevan aineiston jakautuminen eri ominaisuuksien suhteen. Jokainen ominaisuus on esitetty yksittäisten kaupunkien osalta sekä koko aineiston osalta. Aineiston suuruus on 39 952 asuntokauppaa ja se on kerätty vuosina 2005-2015. Data sisältää ainoastaan kerrostalohuoneistoja kyseisten kaupunkien alueelta ja siitä on poistettu normaalista poikkeavat ja puutteelliset havainnot. TAULUKKO 3 ASUNTOJEN OMINAISUUDET JAOTELTUNA PAIKKAKUNNAN MUKAAN Espoo Helsinki Jyväskylä Lahti Oulu Tampere Turku Vantaa Yhteensä Kauppojen lkm 4662 19081 1793 2644 1434 4437 2388 3529 39968 Velaton kauppahinta 178 885 215 494 99 926 100 902 105 607 132 436 111 091 138 374 171 400 Velaton neliöhinta 2 951 3 826 1 816 1 727 1 888 2 368 1 937 2 456 3 016 Sama kaupunki 68 % 78 % 71 % 68 % 77 % 70 % 67 % 58 % 73 % Sama postinumero 25 % 20 % 22 % 16 % 17 % 20 % 22 % 23 % 21 % Kehyskunta 25 % 10 % 8 % 9 % 7 % 12 % 14 % 34 % 14 % Muu kunta 7 % 11 % 21 % 23 % 16 % 19 % 19 % 8 % 13 % Pinta-ala 62 57 56 59 57 58 59 59 58 Huoneiden lkm 2,5 2,2 2,2 2,3 2,2 2,2 2,3 2,3 2,3 Sauna 37 % 16 % 32 % 24 % 41 % 34 % 19 % 31 % 24 % Parveke 71 % 45 % 72 % 59 % 67 % 62 % 66 % 73 % 57 % Uudiskohde 4 % 2 % 1 % 2 % 3 % 7 % 2 % 7 % 3 % Vuokratontti 2 % 27 % 7 % 22 % 59 % 44 % 3 % 3 % 23 % Hissi 60 % 58 % 49 % 65 % 66 % 66 % 73 % 63 % 61 % Rakennusvuosi 1987 1958 1981 1973 1981 1982 1969 1990 1971 Kunto 2,9 2,7 2,5 2,9 3,1 3,0 2,8 2,9 2,8 Kerrosmäärä 5,0 5,0 4,4 5,1 4,9 5,1 6,0 4,7 5,0 Kerrosluku 2,9 3,1 2,7 3,1 3,1 3,1 3,5 2,8 3,0 Hoitovastike 201 194 155 172 147 164 166 196 184 41
Ominaisuuksia tarkastelemalla voidaan havaita, että kaupunkien välillä on selviä eroavaisuuksia keskimääräisten ominaisuuksien suhteen. Esimerkiksi vuokratonttien suhteellinen osuus vaihtelee kaupunkien välillä voimakkaasti. Merkittäviä eroavaisuuksia on myös ostajan paikkakuntaan liittyvissä muuttujissa. Esimerkiksi kehyskuntien suhteellinen osuus on Espoossa ja Vantaalla huomattavasti suurempi kuin muilla tutkituilla paikkakunnilla. On myös hyvä huomata, että Helsingissä keskimääräinen rakennusvuosi on selkeästi suurempi kuin muissa kaupungeissa. Taulukon perusteella 73 % asuntokaupoista tapahtuu saman kaupungin alueella. Aiemmin kuitenkin todettiin, että valtakunnallisesti 59 % muutoista tapahtuu saman kunnan alueella (ks. luku 2.2). Ero näiden kahden luvun välillä on merkittävä. Oletettavasti taustalla on se, että osa muuttavista henkilöistä siirtyy toiselle paikkakunnalle vuokra-asuntoon. Kuvassa 14 käsitellään tutkittavien asuntokauppojen jakautuminen tarkasteluajan suhteen. Tarkasteltava aineisto sisältää vain osan Suomen asuntomarkkinoiden kaupoista, mutta taulukosta voidaan havaita vuoden 2008 finanssikriisin vaikutus Suomen asuntomarkkinoihin. Vuosien 2005 ja 2015 osalta aineisto on osittain puutteellinen. Aineisto sisältää ajanjaksoilta 1.1.2005-31.3.2005 ja 1.10.2015-31.12.2015 vain yksittäisiä kohteita. Kuvaajaa tarkastelemalla voidaan havaita, että kaupat ovat kuitenkin jakautuneet eri vuosille suhteellisen tasaisesti, joten kauppojen ajankohdan ei pitäisi aiheuttaa tässä suhteessa ongelmia. KUVA 14 AINEISTOSSA OLEVIEN ASUNTOKAUPPOJEN JAKAUTUMINEN AJAN SUHTEEN 42